Escolar Documentos
Profissional Documentos
Cultura Documentos
E SCOLA DE E NGENHARIA
D EPARTAMENTO DE E NGENHARIA Q UÍMICA
P ROGRAMA DE P ÓS G RADUAÇÃO EM E NGENHARIA Q UÍMICA
T ESE DE D OUTORADO
P ORTO A LEGRE , RS
2020
U NIVERSIDADE F EDERAL DO R IO G RANDE DO S UL
E SCOLA DE E NGENHARIA
D EPARTAMENTO DE E NGENHARIA Q UÍMICA
P ROGRAMA DE P ÓS G RADUAÇÃO EM E NGENHARIA Q UÍMICA
Orientador:
Prof. Dr. André Rodrigues Muniz
P ORTO A LEGRE , RS
2020
Pinho, Jean M.
Efeito da Modelagem Submalha em Simulações de
Grandes Escalas de Jatos Coaxiais Turbulentos / Jean
Monteiro de Pinho. -- 2020.
190 f.
Comissão Examinadora:
iii
Agradecimentos
Agradeço primeiramente a minha esposa Liliana e filha Isabella pelo amor e apoio
durante a realização deste trabalho, sem os quais não seria possível sua realização.
Agradeço aos meus pais e meus irmãos pelo carinho, tolerância pela ausência ao longo
deste período. Agradeço aos amigos Sandra Barcelos e Jorge Cunha que foram um
porto seguro ao longo dos últimos anos.
Agradeço o Prof. André Rodrigues Muniz, orientador e amigo, que sempre soube
definir e exercer muito bem os dois papéis e me mantendo motivado e sem desviar
o rumo a ser seguido. Obrigado pela paciência e coragem em ter aceitado o desafio
em orientar este trabalho. Ao amigo e colega Augusto Mohr Christmann que muito
me ajudou quando eu estava distante de Porto Alegre e aos demais colegas do Nap-
sig. É importante também o registro de agradecimento aos amigos e companheiros
de doutorado Felipe Crivellaro Minuzzi e Fábio Ronei Rodrigues Padilha pelas longas
conversas e discussões ao longo do doutorado.
Sou grato também ao Instituto Federal de Santa Catarina (IFSC) pela afastamento
concedido para a realização deste trabalho e aos amigos e colegas de trabalho pela pa-
ciência. Ao Laboratório Nacional de Computação Científica (SDumont supercompu-
ter, LNCC/MCTI, Brasil) e ao Centro Nacional de Supercomputação (CESUP/UFRGS)
pelos recursos computacionais.
v
Resumo
vii
Abstract
ix
Sumário
1 INTRODUÇÃO 1
2 Revisão Bibliográfica 3
2.1 Escalas da Turbulência . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
2.2 Equações de Conservação . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
2.2.1 Equação de Conservação da Massa . . . . . . . . . . . . . . . . . . 9
2.2.2 Equação de Conservação da Quantidade de Movimento . . . . . 9
2.3 A Natureza Física dos Jatos Turbulentos . . . . . . . . . . . . . . . . . . . 10
2.4 Técnicas de Simulacão de Escoamentos Turbulentos . . . . . . . . . . . . 14
2.4.1 RANS . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
2.4.2 DNS . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
2.4.3 LES . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18
2.5 Estado da Arte de Simulação de Grandes Escalas de Jatos Coaxiais Tur-
bulentos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20
4 Método Numérico 41
4.1 O Método das Diferenças Finitas . . . . . . . . . . . . . . . . . . . . . . . 41
4.2 Esquemas para Discretização das Derivadas Espaciais . . . . . . . . . . . 42
4.3 Arranjo das Variáveis na Malha . . . . . . . . . . . . . . . . . . . . . . . . 43
4.4 Discretização das Derivadas Temporais . . . . . . . . . . . . . . . . . . . 45
4.5 Tratamento da Pressão . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 47
4.6 Condição de Estabilidade e Malha . . . . . . . . . . . . . . . . . . . . . . 52
xi
4.7 Tratamento das Condições de Contorno . . . . . . . . . . . . . . . . . . . 54
4.7.1 Condições de Contorno de Entrada . . . . . . . . . . . . . . . . . . 56
4.7.1.1 Método Sintetizador - Filtro Digital . . . . . . . . . . . . 57
4.7.2 Condições de Contorno de Saída . . . . . . . . . . . . . . . . . . . 61
4.8 Sequência de Solução . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 62
4.9 Metodologia de Paralelização . . . . . . . . . . . . . . . . . . . . . . . . . 64
4.9.1 Paralelização utilizando GPU . . . . . . . . . . . . . . . . . . . . . 65
4.10 Definição do Problema Teste e Malha . . . . . . . . . . . . . . . . . . . . . 70
4.11 Planejamento das Simulações . . . . . . . . . . . . . . . . . . . . . . . . . 74
5 Resultados 83
5.1 Resultados das simulações do GRUPO1 - Análise do coeficiente de Sma-
gorinsky . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 84
5.2 Resultados das simulações para o GRUPO1 - Comparação entre os mo-
delos submalha . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 93
5.3 Resultados das simulações do GRUPO2 - Análise do coeficiente de Sma-
gorinsky . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 106
5.4 Resultados das simulações para o GRUPO2 - Comparação entre os mo-
delos submalha . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 112
5.5 Análise Direta do Efeito da Condição de Contorno . . . . . . . . . . . . . 119
5.6 Ganhos de Desempenho Computacional . . . . . . . . . . . . . . . . . . . 127
xii
Lista de Figuras
xiii
Figura 5.1 Campos de velocidade, viscosidade efetiva e flutuações de velocida-
des tomados no plano central para uma simulação com o modelo de
Smagorinsky (Cs = 0,060). . . . . . . . . . . . . . . . . . . . . . . . . . 85
Figura 5.2 Campos de velocidade instanânea tomados no plano central para
uma simulação com o modelo de Smagorinsky (Cs = 0,060). . . . . . 86
Figura 5.3 Perfil instantâneo da componente axial da velocidade obtido com o
modelo de Smagorinsky Cs = 0,060, comparado com dados experi-
mentais de velocidade média. . . . . . . . . . . . . . . . . . . . . . . . 86
Figura 5.4 Perfis axiais de Uadm obtidos com modelo de Smagorinsky para di-
versos valores da constante Cs , comparados a dados da literatura. . . 87
Figura 5.5 Perfis axiais de Usim obtidos com modelo de Smagorinsky para di-
versos valores da constante Cs , comparados a dados da literatura. . . 88
Figura 5.6 Perfis radiais de Uadm obtidos com modelo de Smagorinsky para di-
versos valores da constante Cs , comparados com dados experimen-
tais de Amielh et al. (1996) em x/D = 5. . . . . . . . . . . . . . . . . . 88
Figura 5.7 Perfis radiais de Uadm obtidos com modelo de Smagorinsky para di-
versos valores da constante Cs , comparados com dados experimen-
tais de Amielh et al. (1996) em x/D = 10. . . . . . . . . . . . . . . . . 89
Figura 5.8 Perfis radiais de Uadm obtidos com modelo de Smagorinsky para di-
versos valores da constante Cs , comparados com dados experimen-
tais de Amielh et al. (1996) em x/D = 15. . . . . . . . . . . . . . . . . 89
Figura 5.9 Perfis radiais de Uadm obtidos com modelo de Smagorinsky para di-
versos valores da constante Cs , comparados com dados experimen-
tais de Amielh et al. (1996) em x/D = 20. . . . . . . . . . . . . . . . . 90
0
Figura 5.10 Perfis axiais de u adm obtidos com modelo de Smagorinsky para di-
versos valores da constante Cs , comparados com os dados experi-
mentais de Amielh et al. (1996). . . . . . . . . . . . . . . . . . . . . . . 92
Figura 5.11 Campos de velocidade média axial tomados no plano central, ob-
tidos com a utilização dos modelos de Smagorinsky (Cs = 0,060),
Dinâmico de Germano e Função Estrutura de Velocidades, respecti-
vamente. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 94
Figura 5.12 Campos de viscosidade efetiva µe tomados no plano central, obtidos
com a utilização dos modelos de Smagorinsky (Cs = 0,060), Dinâ-
mico de Germano e Função Estrutura de Velocidades, respectivamente. 96
0
Figura 5.13 Campos de intensidade de turbulência adimensional u rms tomados
no plano central, obtidos com a utilização dos modelos de Smago-
rinsky (Cs = 0,060), Dinâmico de Germano e Função Estrutura de
Velocidades, respectivamente. . . . . . . . . . . . . . . . . . . . . . . . 98
Figura 5.14 Perfis axiais de Uadm obtidos para os três modelos de viscosidade
submalha comparados com a dados da literatura. . . . . . . . . . . . 99
Figura 5.15 Perfis axiais de Usim obtidos para os três modelos de viscosidade sub-
malha comparados com a dados da literatura. . . . . . . . . . . . . . 100
Figura 5.16 Perfis radiais de Uadm obtidos para os três modelos de viscosidade
submalha comparados com dados experimentais de Amielh et al.
(1996) em x/D = 5. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 101
xiv
Figura 5.17 Perfis radiais de Usim obtidos para os três modelos de viscosidade
submalha comparados com dados experimentais de Amielh et al.
(1996) em x/D = 5. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 101
Figura 5.18 Perfis radiais de Uadm obtidos para os três modelos de viscosidade
submalha comparados com dados experimentais de Amielh et al.
(1996) em x/D = 10. . . . . . . . . . . . . . . . . . . . . . . . . . . . . 102
Figura 5.19 Perfis radiais de Usim obtidos para os três modelos de viscosidade
submalha comparados com dados experimentais de Amielh et al.
(1996) em x/D = 10. . . . . . . . . . . . . . . . . . . . . . . . . . . . . 103
Figura 5.20 Perfis radiais de Uadm obtidos para os três modelos de viscosidade
submalha comparados com dados experimentais de Amielh et al.
(1996) em x/D = 15. . . . . . . . . . . . . . . . . . . . . . . . . . . . . 103
Figura 5.21 Perfis radiais de Usim obtidos para os três modelos de viscosidade
submalha comparados com dados experimentais de Amielh et al.
(1996) em x/D = 15. . . . . . . . . . . . . . . . . . . . . . . . . . . . . 104
Figura 5.22 Perfis radiais de Uadm obtidos para os três modelos de viscosidade
submalha comparados com dados experimentais de Amielh et al.
(1996) em x/D = 20. . . . . . . . . . . . . . . . . . . . . . . . . . . . . 104
Figura 5.23 Perfis radiais de Usim obtidos para os três modelos de viscosidade
submalha comparados com dados experimentais de Amielh et al.
(1996) em x/D = 20. . . . . . . . . . . . . . . . . . . . . . . . . . . . . 105
0
Figura 5.24 Perfis axiais de u adm obtidos para os três modelos de viscosidade
submalha comparados com dados experimentais de Amielh et al.
(1996). . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 106
Figura 5.25 Perfis axiais de Uadm obtidos com modelo de Smagorinsky para di-
versos valores da constante Cs , comparados a dados da literatura. . . 107
Figura 5.26 Perfis axiais de Usim obtidos com modelo de Smagorinsky para di-
versos valores da constante Cs , comparados a dados da literatura. . . 107
Figura 5.27 Perfis radiais de Uadm obtidos com modelo de Smagorinsky para di-
versos valores da constante Cs , comparados com dados experimen-
tais de Amielh et al. (1996) em x/D = 5. . . . . . . . . . . . . . . . . . 108
Figura 5.28 Perfis radiais de Uadm obtidos com modelo de Smagorinsky para di-
versos valores da constante Cs , comparados com dados experimen-
tais de Amielh et al. (1996) em x/D = 10. . . . . . . . . . . . . . . . . 109
Figura 5.29 Perfis radiais de Uadm obtidos com modelo de Smagorinsky para di-
versos valores da constante Cs , comparados com dados experimen-
tais de Amielh et al. (1996) em x/D = 15. . . . . . . . . . . . . . . . . 110
Figura 5.30 Perfis radiais de Uadm obtidos com modelo de Smagorinsky para di-
versos valores da constante Cs , comparados com dados experimen-
tais de Amielh et al. (1996) em x/D = 20. . . . . . . . . . . . . . . . . 110
0
Figura 5.31 Perfis axiais de u adm obtidos com modelo de Smagorinsky para di-
versos valores da constante Cs , comparados com os dados experi-
mentais de Amielh et al. (1996). . . . . . . . . . . . . . . . . . . . . . . 111
Figura 5.32 Perfis axiais de Uadm obtidos para os três modelos de viscosidade
submalha comparados com a dados da literatura. . . . . . . . . . . . 112
xv
Figura 5.33 Perfis axiais de Usim obtidos para os três modelos de viscosidade sub-
malha comparados com a dados da literatura. . . . . . . . . . . . . . 113
Figura 5.34 Perfis radiais de Uadm obtidos para os três modelos de viscosidade
submalha comparados com dados experimentais de Amielh et al.
(1996) em x/D = 5. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 114
Figura 5.35 Perfis radiais de Usim obtidos para os três modelos de viscosidade
submalha comparados com dados experimentais de Amielh et al.
(1996) em x/D = 5. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 114
Figura 5.36 Perfis radiais de Uadm obtidos para os três modelos de viscosidade
submalha comparados com dados experimentais de Amielh et al.
(1996) em x/D = 10. . . . . . . . . . . . . . . . . . . . . . . . . . . . . 115
Figura 5.37 Perfis radiais de Usim obtidos para os três modelos de viscosidade
submalha comparados com dados experimentais de Amielh et al.
(1996) em x/D = 10. . . . . . . . . . . . . . . . . . . . . . . . . . . . . 115
Figura 5.38 Perfis radiais de Uadm obtidos para os três modelos de viscosidade
submalha comparados com dados experimentais de Amielh et al.
(1996) em x/D = 15. . . . . . . . . . . . . . . . . . . . . . . . . . . . . 116
Figura 5.39 Perfis radiais de Usim obtidos para os três modelos de viscosidade
submalha comparados com dados experimentais de Amielh et al.
(1996) em x/D = 15. . . . . . . . . . . . . . . . . . . . . . . . . . . . . 117
Figura 5.40 Perfis radiais de Uadm obtidos para os três modelos de viscosidade
submalha comparados com dados experimentais de Amielh et al.
(1996) em x/D = 20. . . . . . . . . . . . . . . . . . . . . . . . . . . . . 117
Figura 5.41 Perfis radiais de Usim obtidos para os três modelos de viscosidade
submalha comparados com dados experimentais de Amielh et al.
(1996) em x/D = 20. . . . . . . . . . . . . . . . . . . . . . . . . . . . . 118
0
Figura 5.42 Perfis axiais de u adm obtidos para os três modelos de viscosidade
submalha comparados com dados experimentais de Amielh et al.
(1996). . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 119
Figura 5.43 Comparação entre os perfis axiais das simulações dos GRUPO1 e
GRUPO2 de Uadm obtidos com o modelo de Smagorinsky para Cs =
0,060 e com os dados experimentais de Amielh et al. (1996). . . . . . . 120
Figura 5.44 Comparação entre os perfis axiais das simulações dos GRUPO1 e
GRUPO2 de Usim obtidos com o modelo de Smagorinsky para Cs =
0,060 e com os dados experimentais de Amielh et al. (1996). . . . . . . 120
Figura 5.45 Comparação entre os perfis axiais das simulações dos GRUPO1 e
GRUPO2 de Uadm obtidos com o modelo Dinâmico de Germano e
com os dados experimentais de Amielh et al. (1996). . . . . . . . . . . 122
Figura 5.46 Comparação entre os perfis axiais das simulações dos GRUPO1 e
GRUPO2 de Usim obtidos com o modelo Dinâmico de Germano e
com os dados experimentais de Amielh et al. (1996). . . . . . . . . . . 122
Figura 5.47 Comparação entre os perfis axiais das simulações dos GRUPO1 e
GRUPO2 de Uadm obtidos com o modelo Função Estrutura de Velo-
cidades e com os dados experimentais de Amielh et al. (1996). . . . . 123
xvi
Figura 5.48 Comparação entre os perfis axiais das simulações dos GRUPO1 e
GRUPO2 de Usim obtidos com o modelo Função Estrutura de Veloci-
dades e com os dados experimentais de Amielh et al. (1996). . . . . . 123
Figura 5.49 Comparação entre os perfis axiais das simulações dos GRUPO1 e
0
GRUPO2 de u adm obtidos com o modelo de Smagorinsky para Cs =
0,060 e com os dados experimentais de Amielh et al. (1996). . . . . . . 125
Figura 5.50 Comparação entre os perfis axiais das simulações dos GRUPO1 e
0
GRUPO2 de u adm obtidos com o modelo Dinâmico de Germano e
com os dados experimentais de Amielh et al. (1996). . . . . . . . . . . 126
Figura 5.51 Comparação entre os perfis axiais das simulações dos GRUPO1 e
0
GRUPO2 de u adm obtidos com o modelo Função Estrutura de Velo-
cidades e com os dados experimentais de Amielh et al. (1996). . . . . 126
xvii
Lista de Tabelas
xviii
Lista de Símbolos
∆t Passo de tempo T
δ Diferencial finito L
δd Filtro dimensional L
δi j Delta de kronecker −
∇ Operador gradiente −
ν Viscosidade cinemática L2 T
xix
G Função filtro −
φ Propriedade genérica −
|S|
e Norma de Frobenius 1/T
CK Constante de Kolmogorov −
Cs Constante de Smagorinsky −
Dil Dilatação −
xx
E Espectro de energia L2 /T2
f Propriedade genérica −
Ma Número de Mach −
xxi
Nxyz Número de pontos necessários para uma simulação DNS −
p Pressão M/LT2
Re Número de Reynolds −
t Variável termpo T
tc Tempo característico T
xxii
Umk Vetor bidimensional com flutuações de velocidades espacialmente correla-
cionadas na entrada L/T
xi Tolerância −
µe Viscosidade efetiva −
xxiii
Capítulo 1
INTRODUÇÃO
1
2 C APÍTULO 1. INTRODUÇÃO
Revisão Bibliográfica
Este capítulo tem por objetivo (1) apresentar os conceitos e fundamentos essen-
ciais referentes à simulações de jatos turbulentos coaxiais e suas dificuldades, (2) in-
troduzir o equacionamento e definir a notação matemática utilizada no trabalho, bem
como (3) apresentar o estado da arte quanto ao efeito dos modelos submalha em LES
de jatos coaxiais turbulentos. Inicialmente é apresentada uma discussão sobre as esca-
las de turbulência e sua importância na metodologia LES. Em seguida, discutem-se os
aspectos fenomenológicos de jatos turbulentos e apresentam-se suas equações gover-
nantes. É feita então uma breve discussão das principais metodologias utilizadas para
a simulação de jatos turbulentos coaxiais. Por fim, uma discussão sobre o efeito da
modelagem submalha em Simulações de Grandes Escalas de jatos turbulentos coaxiais
é apresentada.
Uma definição para escoamentos turbulentos que seja consenso na literatura es-
pecializada não existe. Segundo Lesieur (LESIEUR, 2012) para caracterizar um escoa-
mento como turbulento, este deve apresentar as características a seguir:
3
4 C APÍTULO 2. R EVISÃO B IBLIOGRÁFICA
• Deve provocar o aumento do grau de mistura muito além dos obtidos por
difusão molelular.
As grandes escalas fornecem uma estimativa das maiores estruturas que ocor-
2.1. E SCALAS DA T URBULÊNCIA 5
rem no escoamento, e são definidas pelos seus comprimentos característicos, que são
normalmente da mesma ordem de grandeza das escalas integrais. Por exemplo, no
caso de um jato coaxial turbulento, consideremos o diâmetro interno D do injetor como
sendo a escala característica de comprimento Lc . A velocidade característica de trans-
porte das grandes escalas Uc naturalmente será a velocidade média ū de injeção do
fluido na região do jato. A partir destas grandezas podem ser então definidas as gran-
des escalas características de tempo tc , vorticidade Wc e energia cinética Ec .
Lc
tc = , (2.1)
Uc
Uc
Wc = , (2.2)
Lc
Ec = Uc 2 , (2.3)
Uc Dc
Re = , (2.4)
ν
ur = (r)1/3 , (2.5)
Portanto, para essa escala em que ocorre a dissipação viscosa o número de Rey-
nolds local pode ser reescrito como:
1/3
(r4 )
Rer = , (2.6)
ν
Uma vez que que a dissipação da energia cinética turbulenta gerada nas grandes
escalas ocorre nas pequenas escalas, existe um mecanismo físico pelo qual a energia do
movimento é transferido das grandes escalas até as escalas dissipativas de Kolmogo-
rov. Este mecanismo é conhecido como cascata de energia, e é ilustrado na Fig. 2.1,
em que podemos distiguir três regiões de comportamentos distintos, de acordo com a
faixa de escalas de comprimento.
Sagaut et al. (SAGAUT et al., 2013) observam que as escalas onde ocorrem a
geração da energia cinética turbulenta normalmente coincidem com o pico de energia
do espectro. O mesmo autor também menciona que as grandes escalas que não es-
tão relacionadas a produção de turbulência são sustentadas por um mecanismo não
linear de transferência de energia vindo das escalas mais energéticas. Este mecanismo
é chamado de cascata de energia reversa.
8 C APÍTULO 2. R EVISÃO B IBLIOGRÁFICA
A segunda região representada na Fig. 2.1, chamada de faixa inercial, está asso-
ciada às escalas intermediárias. Esta faixa de comprimentos de onda é responsável por
transferir a energia gerada nas grandes escalas para as pequenas escalas, T . Este me-
canismo de transporte de energia é não linear e não depende da ação da viscosidade,
ocorrendo por meio do esticamento dos vórtices que, para um fluido incompressível,
resulta na diminuição de seu diâmetro. Uma vez que consideramos que não ocorre
dissipação de energia nestas escalas tem-se que T = I .
ξ Ma
= , (2.13)
lk ReL 1/4
U
em que M a = c
é o número de Mach e c a velocidade do som no fluido em estudo. A
Eq. 2.13 nos mostra a tendência de lk ser sempre maior que ξ. Segundo Lesieur (LE-
SIEUR, 1997) para M a > 15 essas duas escalas passam a se confundir. Portanto, para
escoamentos a Mach menor que 15 a turbulência pode ser tratada como um fenômeno
contínuo e as equações de Navier-Stokes representam adequadamente os escoamentos
turbulentos.
ramenta computacional de uso mais amplo, apesar da análise realizada neste trabalho
considerar propriedades constantes. A apresentação das equações foi feita utilizando
a notação de Einstein para coordenadas cartesianas.
∂ρ ∂ρui
+ = 0 (2.14)
∂t ∂xi
em que ρ é a massa específica do fluido, ui são as componentes da velocidade e t é o
tempo.
em que σji é o tensor de tensões e fi representa o somatório das forças de campo que
atuam sobre o volume de controle. A partir deste ponto do texto faremos fi = 0,
uma vez que o problema em estudo é um escoamento homogêneos e isotérmicos com
propriedades constantes.
potencial do jato avaliado pela simulação. Quando são utilizados que esquemas nu-
méricos dispersivos há uma tendência de encurtar a região potencial, enquanto que
quando são utilizados esquemas numéricos dissipativos há uma tendência de alongar
a região potencial.
Tem sido observado que os jatos com injetor de geometria retangular apresen-
tam processos de arrasto e mistura mais intensos do que jatos de injetor circular ou
elíptico (ROUMBAS et al., 2016). Existem poucos estudos sobre jatos com injetor de se-
ção quadrada (ROUMBAS et al., 2016). Bitting et al. (BITTING et al., 2001) realizaram
medições de alta resolução em jatos coaxiais de injetor de seção quadrada e circular,
2.3. A N ATUREZA F ÍSICA DOS J ATOS T URBULENTOS 13
para os números de Reynolds de 19000 e 29000. Eles observaram que o jato com in-
jetor de seção quadrada possui melhor efeito de mistura quando comparado com o
jato com injetor de seção circular. Entretanto, por simplicidade construtiva a grande
maioria das aplicações de engenharia e estudos existentes são relacionados a jatos com
injetores cilíndricos.
Bisset et al. (BISSET et al., 2002) explica que sendo a vorticidade transmitida para
o fluido somente através da ação da viscosidade molecular, então deve existir uma ca-
mada cisalhante que por natureza é essencialmente viscosa, muito embora ela possa
ser extremamente fina. Através dessa fina camada do escoamento turbulento, ocorre
a maioria das trocas entre o escoamento totalmente turbulento e o não turbulento, in-
cluindo o transporte de escalares.
mento laminar para turbulento. A ocorrência destes fenômenos no problema teste que
será estudado torna sua solução mais complexa, entretanto mais apropriada para veri-
ficar a robustez do modelo proposto e do código desenvolvido.
Segundo Da Silva et al. (SILVA et al., 2015), estudos mais antigos costumavam
descrever o arrasto turbulento como sendo causado pelas grandes escalas do movi-
mento ocorrendo de forma cíclica em locais específicos da TNTI, transferindo proprie-
dades transportadas ao longo da TNTI. Entretanto, trabalhos recentes sugerem o con-
trário, que o arrasto resulta principalmente do movimento das pequenas escalas de
comprimento que vão transferindo propriedades ao longo da TNTI. A Fig. 2.3 explica
como ocorre o arrasto turbulento, evidenciando o importante papel das pequenas es-
calas que compõe a TNTI. Esta análise indica que o arranjo numérico, e o modelo de
turbulência utilizado nas simulações de grandes escalas deve ter condições de mini-
mamente capturar ou reproduzir os fenômenos que ocorrem junto a TNTI.
2.4.1 RANS
que é conhecida como a decomposição de Reynolds. O valor médio hui i é definido por
Z T
1
hui i = lim ui (t) dt, (2.22)
T T →∞ 0
Nesta equação, como decorrência da não linearidade dos termos convectivos e da de-
composição de Reynolds, aparecem termos adicionais relacionados às flutuações de
velocidades ρhu000 i u000 j i, conhecido como tensor de Reynolds. Fisicamente o tensor de
Reynolds representa o fluxo de quantidade de movimento decorrente das flutuações
de velocidades. A determinação das componentes do Tensor de Reynolds é um dos
grandes desafios da modelagem da turbulência. De acordo com Deschamps (FREIRE
et al., 2002) as abordagens mais comuns para modelar o efeito do tensor de Reynolds
nas equações médias de Navier-Stokes, são i) pelo uso do conceito de viscosidade tur-
bulenta e ii) pela modelagem da equação para o transporte do tensor de Reynolds.
Por outro lado, modelar uma equação de transporte para o tensor de Reynolds
se apresenta como uma solução mais generalista. Entretanto, partindo nesta direção, as
2.4. T ÉCNICAS DE S IMULACÃO DE E SCOAMENTOS T URBULENTOS 17
2.4.2 DNS
De acordo com Sagaut et al (SAGAUT et al., 2013) deve ainda ser considerado
o critério de que o domínio seja maior do que 50Lc , de modo a evitar o surgimento
de correlações de natureza não física. Atendendo estas duas restrições tem-se que o
número de pontos aproximado Nxyz para uma malha tridimensional é
9
Nxyz ≈ ReLc 4 , (2.24)
2.4.3 LES
Pitsch (PITSCH, 2006) relata que para estudos de sistemas reativos e não reativos
a técnica LES fornece melhores resultados para o processo de mistura escalar e taxas de
dissipação quando comparada com a metodologia RANS. Esta é uma das razões pela
qual LES possui vantagens quando o objetivo é modelar problemas complexos em que
o processo de mistura escalar seja de grande importância, como a combustão.
Os resultados obtidos com LES, assim como os obtidos com DNS são soluções
transientes e tridimensionais das equações de Navier Stokes, podendo capturar fenô-
menos como a intermitência existente na TNTI de jatos turbulentos. Desta forma ainda
assim é necessário a utilização de malhas refinadas e passos de tempo também peque-
nos.
De acordo com o teorema de Nyquist, escalas menores do que 2∆x (em que ∆x
2.4. T ÉCNICAS DE S IMULACÃO DE E SCOAMENTOS T URBULENTOS 19
é o tamanho da malha) não podem ser capturadas nas simulações (SAGAUT, 2006).
Neste sentido o que se propõe com a técnica LES é resolver as escalas que a malha tem
condições de capturar e descrever o efeito das menores escalas através de modelos ma-
temáticos. A Fig. 2.4 a) ilustra este conceito, mostrando, na malha as escalas resolvidas
e as modeladas, também chamadas de submalha. A Fig. 2.4 b) representa a separação
das escalas no espaço da frequência, em que podemos observar que as escalas mode-
ladas são as de menor energia e onde ocorre a dissipação viscosa. A separação entre
as grandes escalas que são resolvidas e as menores escalas que são modeladas se dá
por meio de um processo de filtragem, que é explicado em uma seção específica no
capítulo de Modelagem da Turbulência (Capítulo 3).
neo e isotrópico. Pressupõe-se então que modelos para as pequenas escalas sejam mais
universais, sem sofrer interferências do tipo de escoamento, quando comparados à
metodologia clássica das médias de Reynolds (FREIRE et al., 2002) (PIOMELLI, 1999).
O esforço requerido em LES pode ser estimado considerando que a menor es-
cala resolvida deve estar situada na subfaixa inercial do espectro de energia cinética
turbulenta, Fig. 2.1, onde o efeito dos termos submalha passam a ser um problema in-
dependente das grandes escalas. Uma estimativa dessa escala é a microescala de Tay-
lor, lλ . Nesta direção, o número de pontos necessários para resolver um escoamento
tridimensional é dado pela equação: (HUAI, 2006)
3
Lc
NLES ≈ ≈ Re3/2 , (2.25)
lλ
em que a microescala de Taylor, em termos das grandes escalas pode ser estimado
como (SAGAUT et al., 2013)
√
lλ ≈ Lc 10Re−1/2 , (2.26)
Bodony e Lele (BODONY; LELE, 2008) realizaram uma importante revisão sobre
o cenário da utilização e características dos resultados de simulações do tipo LES para
jatos turbulentos coaxiais. Os autores discutiram em detalhes a interação que existe
entre o método numérico e a modelagem submalha. Dentre diversas constatações im-
portantes, os autores observam que no tocante a utilização de modelos submalha, não
existe um consenso na literatura sobre qual o mais adequado, uma vez que seu efeito é
cumulativo às características dissipativos que os esquemas numéricos podem possuir,
tanto na etapa de filtragem, quanto na e etapa de discretização das equações. Bogey
and Bailly (BOGEY; BAILLY, 2006) acescentam ainda que a dissipação total adicionada
pelo modelo de viscosidade submalha é influenciada pelo número de Reynolds. Por-
tanto o desempenho dos modelos também é alterado pela dinâmica do jato.
2.5. E STADO DA A RTE DE S IMULAÇÃO DE G RANDES E SCALAS DE J ATOS C OAXIAIS
T URBULENTOS 23
Payri et al. (PAYRI et al., 2016) realizaram um estudo sobre o efeito da modela-
gem submalha e do tipo de condição de contorno em LES de jatos coaxiais turbulentos,
utilizando OPENFOAM. Foram avaliados os modelos submalha de Smagorinsky e o
modelo de uma equação de Pomraning e Rutland (POMRANING; RUTLAND, 2002).
Os dois modelos submalha produziram bons resultados, e embora o modelo de uma
equação demandasse mais operações, ele admite um maior passo de tempo para uma
mesma condição CFL, o que tornou seu custo razoável. Para a avaliação do efeito
da modelagem da condição de contorno, foram confrontados um método de mape-
amento e outro sintetizador, os autores verificaram que os resultados obtidos com o
método de mapeamento foram superiores. Os autores ainda observaram que, embora
os resultados das simulações que utilizaram o método sintetizador sejam inferiores,
sua qualidade é boa, quando levado em conta seu menor custo computacional.
Brès e Lele (BRÈS; LELE, 2019) apresentaram uma revisão do progresso recente
acerca das simulações de grandes escalas para jatos turbulentos coaxiais, com os avan-
ços obtidos a partir de 2008. Os autores observaram que avanços importantes foram
feitos quanto a verificação da importância da inclusão da geometria do bocal no mo-
delo matemático da simulações. Os trabalhos de Bogey e Bailly (BOGEY; BAILLY,
2010), de Trumper et al. (TRUMPER et al., 2018) e Freund (FREUND, 2019), contem-
24 C APÍTULO 2. R EVISÃO B IBLIOGRÁFICA
Ainda Brès e Lele (BRÈS; LELE, 2019) relataram a atual tendência da computa-
ção de alto desempenho, que é a utilização de arquiteturas híbridas CPU-GPU para
LES de jatos, como realizado em Markesteijn et al. (MARKESTEIJN; KARABASOV,
2018). O desafio na implementação de solvers híbridos (CPU-GPU) se devem princi-
palmente às diferenças de arquitetura que existe entre as CPU’s e GPU’s. Nas placas
GPU (Graphics Processing Unit) existe uma limitação de memória, fator que deve ser
levado em conta no desenvolvimento de novos algoritmos para serem executados em
GPU. De modo que quando se usa este tipo de processamento, recalcular certas vari-
áveis pode ser mais eficiente do que armazená-las (ZHU et al., 2018). Neste sentido,
de acordo com Markesteijn et al. (MARKESTEIJN et al., 2015) os esquemas numéri-
cos a serem aplicados para discretizar as equações em um código desenvolvido para
execução em GPU podem ser diferentes dos mais adequados para CPU.
Este capítulo tem por objetivo apresentar os tratamentos matemáticos que foram
aplicados para obtenção das equações utilizadas para as simulações LES, mais especifi-
camente os processos de filtragem, de aplicação das médias e da modelagem do tensor
de tensões submalha.
3.1 Filtros
onde Dom é o domínio no qual a operação deve ser realizada e G é a função filtro. A fil-
tragem destina-se a eliminar ou suavizar flutuações menores do que o número de onda
25
26 C APÍTULO 3. M ODELAGEM DA T URBULÊNCIA EM LES
Quando a função filtro é definida de forma a não ser comutativa com a diferenci-
ação, a filtragem é dita explícita. A utilização da filtragem explícita tem a vantagem de
3.2. M ÉDIA FAVRE 27
separar claramente o tamanho do filtro, que está relacionado com a física do problema,
do tamanho da malha que se relaciona apenas com a resolução das pequenas escalas.
As outras funções filtro que também são comunmente utilizadas em LES são o filtro
Gaussiano e o filtro cut-off (KUO; ACHARYA, 2012) (PIOMELLI, 1999) (VEYNANTE;
VERVISCH, 2002).
hρf i
hhf ii = , (3.4)
hρi
em que o operador hi indica média temporal e hhii o filtro Favre. Decompondo o valor
da variável f em termos de uma componente média hhf ii e uma flutuação f 00 , tem-se
que:
Este procedimento pode ser aplicado para as variáveis velocidade, fração mássica e
entalpia. Variáveis cujos efeitos da massa específica são inerentes ao processo de medi-
ção, tais como pressão, o tensor de tensões e a própria massa específica não necessitam
ser filtradas pela média Favre. Para estas pode ser utilizada a média temporal tradici-
onal (KUO; ACHARYA, 2012).
Uma variável pode ser decomposta em termos de sua parcela Favre média filtrada e
sua parcela submalha
Após a aplicação do filtro, cujo detalhamento pode ser visto em Moint et al.
(MOIN et al., 1991) e Kuo e Acharya (KUO; ACHARYA, 2012), a equação de conserva-
ção da quantidade de movimento, para fluido newtoniano, torna-se
∂ ∂ ∂p ∂ ∂ uei ∂ uej 2 ∂ uei
(ρuei ) + (ρui uj ) = + µ + − µ (3.13)
∂t ∂xj ∂xi ∂xj ∂xj ∂xi 3 ∂xi
3.3. F ILTRAGEM DAS E QUAÇÕES DE C ONSERVAÇÃO 29
Devemos notar que o termo não linear da equação filtrada resultou em um pro-
duto de duas variáveis filtradas, o que inviabiliza sua solução (FREIRE et al., 2002).
Este termo não linear pode ser aberto utilizando a decomposição de Leonard em ter-
mos do filtro Favre (SAGAUT, 2006), definidos nas Eqs. 3.1 e 3.9
ρui uj ≡ ρ (uei + ui 0 ) (uej + uj 0 ) = ρuei uej + ρuei uj 0 + ρui 0 uej + ρui 0 uj 0 , (3.14)
ρui uj = ρuei uej + ρuei uej − ρuei uej + ρuei uj 0 + ρui 0 uej + ρui 0 uj 0 , (3.15)
(σij )sgs = ρuei uej − ρuei uej + ρuei uj 0 + ρui 0 uej + ρui 0 uj 0 = Lli,j + Ci,j + Ri,j , (3.18)
sendo Lli,j o tensor de Leonard, Ci,j o tensor cruzado e Ri,j o tensor de Reynolds,
definidos respectivamente como
∂ ρ̄ ∂ ρ̄uei
+ = 0; (3.22)
∂t ∂xi
∂ ∂ ∂p 1 ∂ ∂ uei ∂ uej 2 ∂ uei
(ρ̄uei ) + (ρ̄uei uej ) = − + + − −
∂t ∂xj ∂xi Re ∂xj ∂xj ∂xi 3 ∂xi
∂(σij )sgs
+ , (3.23)
∂xi
"A ação das escalas submalhas sobre as escalas resolvidas é essencialmente energética, de
modo que somente o balanço da energia transferida entre as duas faixas de escalas é suficiente
para descrever a ação das escalas submalha."
de que "o mecanismo de transferência de energia das escalas resolvidas para as submalha é
análogo ao mecanismo molecular de transferência de quantidade de movimento, representado
pelo termo difusivo onde aparece a viscosidade µ". Desta forma, podemos então escrever o
tensor de tensões submalha como:
∂ uei ∂ uej 2 ∂ uek
(σij )sgs = −νt + + νt δij , (3.24)
∂xj ∂xi 3 ∂xk
que resulta na correção da pressão estática, de onde se obtem a pressão modificada P
1
P = p − ρ̄ (σkk )sgs , (3.25)
3
Dessa forma o termo submalha (σij )sgs pode ser modelado adicionando-se uma
viscosidade submalha ou turbulenta, como normalmente referida na literatura, µt à
viscosidade molecular, o que resulta na utilização de uma viscosidade efetiva adimen-
sional µe (PETRY, 2002; HUAI, 2006),
µ + µt
µe = , (3.26)
µ
Embora seja sabido que µt >> µ a manutenção da viscosidade e da difusividade mo-
lecular auxilia na estabilidade do código, evitando valores nulos para essas proprieda-
des. Segundo Kuo e Acharya (KUO; ACHARYA, 2012) os efeitos moleculares podem
ser importantes próximo as paredes e próximo a TNTI.
De forma efetiva e simples, a viscosidade turbulenta pode ser vista como a res-
ponsável por levar em conta no modelo o efeito das escalas não resolvidas no escoa-
mento. Ela atua de forma tal que, caso o tamanho do filtro seja maior do que a me-
tade do comprimento dissipativo de Kolmogorov, as menores escalas resolvidas não
32 C APÍTULO 3. M ODELAGEM DA T URBULÊNCIA EM LES
serão pequenas o suficiente para que a viscosidade molecular dissipe a energia produ-
zida nas grandes escalas. Desta forma o termo atua como uma viscosidade artificial,
chamado de viscosidade turbulenta, sendo responsável por dissipar a energia cinética
turbulenta que é produzida nas grandes escalas do escoamento (que por sua vez são
resolvidas).
Segundo Bonody e Lele (BODONY; LELE, 2008) os modelos submalha para des-
crever a viscosidade turbulenta normalmente se enquadram em três classes: i) coefi-
cientes constantes; ii) coeficiente dinâmico e iii) sem modelo de viscosidade explícito,
utilizando apenas a dissipação numérica do processo de filtragem. Os modelos do
tipo i e ii têm como objetivo aproximar o efeito das tensões submalha, utilizando in-
formações das escalas resolvidas. Já os modelos do tipo iii reproduzem o efeito de
dissipação da energia cinética turubulenta que ocorre nas pequenas escalas pela dissi-
pação dos próprios esquemas numéricos, como através da utilização de esquemas do
tipo upwind, por exemplo. A seguir, serão desenvolvidos os equacionamentos e fun-
damentação relativos ao modelo submalha de Smagorinsky de coeficientes constantes
(do tipo i)), modelo Dinâmico de Germano e Função Estrutura de Velocidade (ambos
do tipo ii)).
v∆ = ∆|S|
e (3.28)
p
∆ = 3 ∆x∆y∆z, (3.29)
O filtro teste é assumido sendo maior que o filtro de malha, sendo equivalente a uti-
lização de uma malha mais grossa. A recomendação é utilizar ∆ b = 2∆ (LILLY, 1992).
Pela definição do filtro teste, tem-se que G
b = GG.
b
Aplicando o filtro teste na equação já filtrada a nível de malha, Eq. 3.23, obtemos
uma equação duplamente filtrada,
" ! #
∂ c ∂ [ ∂b
p 1 ∂ ei ∂ ub
∂ ub ej 2 ∂ ub
ei
ρuei + ρuei uej = − + + − −
∂t ∂xj ∂xi Re ∂xj ∂xj ∂xi 3 ∂xi
∂(b
σij )sgs
+ , (3.34)
∂xi
Procedendo de forma análoga ao primeiro processo de filtragem, define-se o tensor de
tensões relativo ao segundo filtro, chamado de tensor de tensões subteste (Tij )subteste
(FREIRE et al., 2002)
ρu
ci ρu
cj
(Tij )subteste = ρu
[ i uj − (3.35)
ρ
b
1 \
(b σkk )sgs δkk = −2C ∆2 |S|
σij )sgs − (b e Seij (3.37)
3
1 b 2 |S|
(Tij )subteste − (Tkk )subteste δkk = −2C ∆ S ij (3.38)
be be
3
em que
q
|S| = 2Sfij Sij , (3.39)
be cc f
!
1 ∂ ub
ei ∂ u
b
e j
Sf
ij = + , (3.40)
c
2 ∂xj ∂xi
Subtraindo a Eq. 3.34 da Eq. 3.36, ver Moin et al. (MOIN et al., 1991) e Freire et
al. (FREIRE et al., 2002), tem-se o tensor de Leonard filtrado , que é conhecido como a
Identidade de Germano
(ρu\
[[
i ) (ρuj ) (ρui )(ρuj )
Lij = − (3.42)
ρ ρ
b
ρc
uei ρc
uej
\
Lij = (ρuei uej ) − (3.43)
ρ
b
2
\
Mij = ∆ |S| b 2 |S|
e Seij − ∆ S ij
be be
(3.45)
e os valores para C (x, t) que resolvem a equação Eq. 3.44 podem ser utilizadas para
determinar as tensões submalha, da mesma forma que é feito no modelo de Smago-
rinsky.
A Eq. 3.47 foi obtida admitindo Lkk = 0, o que de fato ocorre para a faixa de número
de Mach deste trabalho. Esta hipótese não foi imposta anteriormente com o objetivo
de desenvolvermos o código mais geral posível.
Devemos notar que o denominador da Eq. 3.47 pode tornar-se nulo somente
se todas as suas 5 componentes também forem nulas, situação em que o numerador
também é nulo. O numerador da Eq. 3.47 pode apresentar valores negativos, que
resulta em um coeficiente C localmente negativo, reproduzindo o efeito da cascata de
energia reversa.
De acordo com Lesieur (LESIEUR, 2012) o modelo apresenta bons resultados para es-
coamentos cisalhantes livres, sendo menos dissipativo que o modelo de Smagorinsky.
Capítulo 4
Método Numérico
41
42 C APÍTULO 4. M ÉTODO N UMÉRICO
Ainda que existam diferentes procedimentos para derivação dos esquemas nu-
méricos para aproximação das derivadas espaciais, como o DRP (Dispersion-Relation-
Preserving) de Tam e Web (TAM; WEBB, 1993), a obtenção das aproximações para uma
propriedade genérica φ é geralmente realizada a partir de expansões em séries de Tay-
lor
∂φ ∂ 2 φ (∆x)
φ (x0 + ∆x, y0 , z0 ) = φ (x0 , y0 , z0 ) + |0 ∆x + 2 |0 + ,,,
∂x ∂x 2!
∂ n−1 φ (∆x)n−1 ∂ n φ (∆x)n
,,, + n−1 |0 + n |0 , (4.1)
x (n − 1)! x n!
que é a origem dos esquemas numéricos utilizados neste trabalho, detalhada a seguir.
visualização). O tratamento aplicado aos pontos dos contornos será descrito em seção
dedicada às fronteiras, na sequência do texto.
∂φ
= R (φn ) , (4.4)
∂t
em que φ é a variável dependente e R (φn ) é o somatório de todos os termos que não in-
cluem a derivada temporal, incluindo possíveis termos fontes e as derivadas espaciais
discretizadas. A discretização temporal explícita mais simples é o esquema de Euler
explícito (FORTUNA, 2000), que para esta equação é definida por
φ0 = φn
φ1 = φ0 + α1 ∆t ∗ R (φ0 )
φ2 = φ0 + α2 ∆t ∗ R (φ1 ) (4.6)
..
.
φn+1 = φm = φ0 + αm ∆t ∗ R (φm−1 )
Número de estágios 3 4 5
h i
Gn (i,j+ 1 ,k) = (ρv)n (i,j+ 1 ,k) + ∆t −ADV EC n (i,j+ 1 ,k) + DIF F n (i,j+ 1 ,k) (4.9)
2 2 2 2
h i
H n (i,j,k+ 1 ) = (ρw)n (i,j,k+ 1 ) + ∆t −ADV EC n (i,j,k+ 1 ) + DIF F n (i,j,k+ 1 ) , (4.10)
2 2 2 2
em que os termos ADV EC n (i,j,k) e DIF F n (i,j,k) são dados pelas Eq. A.5 e Eq. A.6
do Apêndice A. Utilizando as Equações 4.8, 4.9 e 4.10, as equações para atualizar as
velocidades para uma célula computacional típica, ilustrada na Fig. 4.3 (vide apêndice
A) são escritas como:
n n+1
n
pn (i+1,j,k) − pn (i,j,k)
ρ u (i+ 21 ,j,k)
= F (i+ 1 ,j,k) − ∆t (4.11)
2 ∆x
pn (i,j,k) − pn (i−1,j,k)
ρn un+1 = F n (i+ 1 ,j,k) − ∆t
(i− 21 ,j,k)
(4.12)
2 ∆x
pn (i,j+1,k) − pn (i,j,k)
ρn v n+1 = Gn (i,j+ 1 ,k) − ∆t
(i,j+ 12 ,k)
(4.13)
2 ∆y
pn (i,j,k) − pn (i,j−1,k)
ρn v n+1 = Gn (i,j− 1 ,k) − ∆t
(i,j− 12 ,k)
(4.14)
2 ∆y
n n+1
n
pn (i,j,k+1) − pn (i,j,k)
ρ w (i,j,k+ 12 )
= H (i,j,k+ 1 ) − ∆t (4.15)
2 ∆z
n n+1
n
pn (i,j,k) − pn (i,j,k−1)
ρ w (i,j,k− 12 )
= H (i,j,k− 1 ) − ∆t (4.16)
2 ∆z
Uma vez que as velocidades dadas pelas equações 4.11 - 4.16 normalmente não satis-
fazem a equação da continuidade, elas precisam ser corrigidas.
h i ∆t h in+1,k
ρn (u + δu)n+1,k = F n (i− 1 ,j,k) − (p + δp)(i,j,k) − p(i+1,j,k) (4.18)
(i− 12 ,j,k) 2 ∆x
h i ∆t h in+1,k
ρn (v + δv)n+1,k = F n (i+ 1 ,j,k) − p(i,j+1,k) − (p + δp)(i,j,k) (4.19)
(i,j+ 21 ,k) 2 ∆y
h i ∆t h in+1,k
ρn (v + δv)n+1,k = F n (i− 1 ,j,k) − (p + δp)(i,j,k) − p(i,j−1,k) (4.20)
(i,j− 12 ,k) 2 ∆y
h
n n+1,k
i
n ∆t h in+1,k
ρ (w + δw) = F (i,j,k+ 1 ) − p(i,j,k+1) − (p + δp)(i,j,k) (4.21)
(i,j,k+ 12 ) 2 ∆z
h
n n+1,k
i
n ∆t h in+1,k
ρ (w + δw) =F (i,j,k− 12 ) − (p + δp)(i,j,k) − p(i,j,k−1) (4.22)
(i,j,k− 12 ) ∆z
Subtraindo as equações sem correções Eqs.4.11 - 4.16 das equações sem correções
Eqs. 4.17 - 4.22 tem-se
n+1,k ∆t δpn+1,k
(i,j,k)
δu (i+ 12 ,j,k) = (4.23)
ρn (i+ 1 ,j,k) ∆x
2
n+1,k ∆t δpn+1,k
(i,j,k)
δu (i− 12 ,j,k) =− (4.24)
ρn (i− 1 ,j,k) ∆x
2
4.5. T RATAMENTO DA P RESSÃO 51
n+1,k ∆t δpn+1,k
(i,j,k)
δv (i,j+ 12 ,k) = (4.25)
ρn (i,j+ 1 ,k) ∆y
2
n+1,k ∆t δpn+1,k
(i,j,k)
δv (i,j− 12 ,k) =− (4.26)
ρn (i,j− 1 ,k) ∆y
2
n+1,k ∆t δpn+1,k
(i,j,k)
δw (i,j,k+ 21 ) = (4.27)
ρn (i,j,k+ 1 ) ∆z
2
n+1,k ∆t δpn+1,k
(i,j,k)
δw (i,j,k− 21 ) =− (4.28)
ρn (i,j,k− 1 ) ∆z
2
−Diln+1,k+1
δpn+1,k+1
(i,j,k) = h i (4.30)
1 1 1
2∆t ∆x2
+ ∆y 2
+ ∆z 2
Devemos notar que o sinal negativo do numerador, que surge matematicamente, in-
dica que a pressão na célula deve ser reduzida quando há um fluxo de massa resultante
para fora da célula. De posse do valor que devemos corrigir a pressão em cada ponto
52 C APÍTULO 4. M ÉTODO N UMÉRICO
pn+1,k+1
(i,j,k) = pn+1,k n+1,k+1
(i,j,k) + δp(i,j,k) (4.31)
Uma vez que as velocidades e os valores da massa específica não são armaze-
nados na mesma localização da malha, o seu cálculo requer o uso de interpolações. A
descrição detalhada da discretização da dilatação Dili,j,k é apresentada no Apêndice B.
erros devido a variações do tamanho do filtro, como descrito por Piomelli (PIOMELLI,
1999) e demonstrado por Ilyushin e Krasinsky (ILYUSHIN; KRASINSKY, 2006).
cujos valores críticos para o método utilizado são listados na Tab. 4.1, no final da Seção
4.4. Portanto o passo de tempo ao longo da marcha temporal do problema pode ser
alterado para acelerar a obtenção de resultados estatísticamente estacionários, desde
que a condição CFL dada em Eq. 4.32 seja sempre menor ou igual a um valor crítico,
neste trabalho admitido como sendo 95% dos valores da Tab. 4.1.
em que ∆xi é o espaçamento da malha na direção i e |ui |max são as velocidades máxi-
mas normalizadas nas respectivas direções i, chega-se a uma expressão para o ∆t
−1
1 1
∆t = CF Lcrítico + , (4.34)
∆tad ∆tdif
Devemos observar entretanto que os valores de passo de tempo obtidos são apreci-
avelmente menores do que os tempos característicos da escala dissipativa Kolmogo-
rov, comportamento semelhante às análises realizadas por Choi e Moin (CHOI; MOIN,
1994).
O tratamento das condições de contorno, tanto para entrada quanto para saída
do domínio computacional é um tema complexo. A complexidade reside no fato de
que as componentes de velocidade nessa fronteira devem possuir uma parcela média
e outra parcela estocástica. A componente estocástica é responsável por mimificar a
turbulência e de preferência ser de fácil implementação (TABOR; BABA-AHMADI,
2010).
Para a fronteira COFLOW (Fig. 4.4), foi definido um perfil plano de velocidades
a uma distância de 3 diâmetros do injetor à montante do injetor. Para a região JET-
FLOW (Fig. 4.4), utilizou-se um perfil médio de escoamento turbulento plenamente
desenvolvido, que para um duto circular é avaliado pela expressão do tipo power-law
(ABRAMOVICH, 1963):
u
e (r) r 1/7
= 1− , (4.36)
u
emax R
em que u
e (r) é a velocidade média do escoamento a uma distância r do centro do inje-
tor, u
emax é a velocidade máxima do jato.
1 02 02 02
kt = u +v +w , (4.39)
2
r
1 02
u + v 0 2 + w0 2 ,
ui = ũi + Ru,i (4.40)
3
sendo Ru,i avaliado a partir das próprias flutuações a serem inseridas no perfil de ve-
locidades médias. Este procedimento gera um sinal randômico capaz de reproduzir a
velocidade média e a energia cinétia turbulenta.
em que √
R11 √ 0 0
aij = R21 /a11 R22 − a21 2 √ 0 , (4.42)
R31 /a11 (R23 − a21 a31 ) /a22 2
R33 − a31 − a32 2
Klein et al. (KLEIN et al., 2003) propuseram então a utilização de um filtro digital
para inserir no sinal produzido as características da escala dominante. A flutuação de
uma componente do campo de velocidades u000 (j) em um ponto j é então definida pela
convolução
N
X
000
u (j) = bk Rand,mk , (4.43)
k=−N
bijk = bi bj bk , (4.45)
O filtro tridimensional da Eq. 4.45 é utilizada para filtrar Rand,mk (i, j, k) nas três di-
mensões para então obtermos
Nx Ny Nz
X X X
Umk (1, j, k) = b (i0 , j 0 , k 0 ) Rand,mk (i0 , j + j 0 , k + k 0 ) , (4.46)
i0 =−Nx j 0 =−Ny k0 =−Nz
60 C APÍTULO 4. M ÉTODO N UMÉRICO
Uma vez que o tensor de tensões raramente é fornecido, Klein et al. (KLEIN et
al., 2003) tiveram a idéia de propor que este têm a forma gaussiana e dependente de
um único parâmetro, o comprimento de escala LIN = nmk ∆x. Assim procedendo, os
coeficientes do filtro podem ser calculados de forma analítica como:
b̃k
bk = P N 2
(4.47)
j=−N b̃j
πk 2
b̃k ≡ exp − 2 , (4.48)
2nmk
Obtido o sinal randômico, pela Eq. 4.47 , podemos então calcular a velocidade a ser
introduzida na condição de contorno no plano de entrada do domínio
Nota-se que o método acima descrito serve para criar um sinal turbulento para um de-
terminado plano, portanto a utilização do mesmo garante somente que seja garantidas
as correlações espaciais. Para produzir um sinal que garanta as correlações tempo-
rais Klein et al. (KLEIN et al., 2003) e Vedovoto (VEDOVOTO, 2011) sugerem ainda o
seguinte procedimento, que pode ser executado simultaneamente à solução do escoa-
mento, ou utilizado para sintetizar um banco de dados para ser empregado a posteriori
no contorno de entrada.
3. Calcular os coeficientes do filtro bijk através das Eq. 4.45 e Eq. 4.47.
Neste trabalho optou-se por uma estratégia de solução segregada como o ob-
jetivo de melhorar a estabilidade da solução numérica (HAFEZ et al., 2010), sem a
necessidade da utilização de técnicas de pré-condicionamento. Em uma metodologia
de solução segregada, para cada equação do sistema admite-se que existe apenas uma
variável desconhecida, como se as demais variáveis estivessem fixas, sem sofrerem
4.8. S EQUÊNCIA DE S OLUÇÃO 63
Au n un+1 = Bu n
Av n v n+1 = Bv n (4.50)
Aw n wn+1 = Bw n
em que os coeficientes A e B para a solução das equações são sempre avaliados usando
informações em um passo de tempo já resolvido.
forma análoga a uma CPU convencional. Enquanto que as threads que compõe um
multiprocessador somente executam um mesmo conjunto de instruções definidas pelo
kernel (nomenclatura para uma subrotina CUDA). Desta forma, as threads que compõe
um multiprocessador atuam de acordo com o modelo SIMD (Single Instruction Multiple
Data) definido por Flynn (FLYNN, 1966).
Ainda com relação a arquitetura das GPU’s tem-se que as threads que compõe
um multiprocessador são organizadas em grupo de 32 threads compondo um warp.
Toda gestão de dados e instruções do multiprocessador com relação as threads se dá
por meio dos warps. Então se faz necessário o programador sempre tentar configurar
as execuções de modo a utilizar blocos de threads que sejam múltiplos de 32, pois isto
tem grande influêcia no ganho de performance. Os trabalhos (RUETSCH; FATICA,
2011; QUADROS, 2016; GROUP et al., 2018a) apresentam orientações detalhadas sobre
como definir as configurações de execução visando uma performance ótima.
Uma vez que a linguagem FORTRAN possui sintaxe bem definida e rígida, a
estrutura de um programa escrito em CUDA Fortran desenvolvido para utilizar GPU
pouco muda com relação a estrutura de um programa desenvolvido para execução
exclusiva em CPU. As similaridades e diferenças básicas são bem evidenciadas pelos
trechos de códigos didáticos das Figuras 4.9 e 4.10.
As variáveis grid1 e tBlock1 foram declaradas como "dim3", que é um tipo de-
rivado definido módulo cudafor bastante útil para definicção das configurações de
68 C APÍTULO 4. M ÉTODO N UMÉRICO
A Fig. 4.10 mostra a sintaxe do kernel criado para executar a operação proposta.
Pode-se obervar a grande semelhança com uma subrotina convencional de execução
em CPU. A diferença maior entre o CUDA Fortran e Fortran está na forma com que
cada thread identifica os valores dos índices i,j,k para a execução de um laço. Enquanto
que na programação Fortran é utilizado comando DO, em CUDA Fortran o que se faz
é atribuir o valor dos índices de acordo com a identificação de cada thread dentro do
bloco de threads e a identificação do bloco o qual a threads pertence.
loop temporal, podemos ver as caixas verdes e as setas que encaminham o fluxo em
azul, representando então a característica híbrida do código. Cada caixa verde repre-
senta um subprograma (um kernel), que é executado pela GPU, mas a sequência de
invocação e as eventuais sincronizações necessárias são todas executadas pela CPU.
Após o loop temporal, a geração dos arquivos de saída foi realizada somente pela
CPU.
Esta última característica é de grande importância para sua utilização como re-
ferência em um processo de validação, uma vez que sendo os efeitos de confinamento
desprezíveis, podemos considerar que as interações entre o escoamento externo e as
paredes do duto externo exercerão pouca ou nenhuma influência na análise realizada.
72 C APÍTULO 4. M ÉTODO N UMÉRICO
Este aspecto é importante de ser considerado, pelo fato do tratamento particular que
deve ser dado em LES na região próxima às paredes conforme discutido no Cap. 2, o
que poderia aumentar o custo computacional de forma considerável.
A Fig. 4.13 é similar à Fig. 4.4, utilizada anteriormente para explicar os trata-
mentos empregados para as condições de contorno, repetida aqui para que possamos
visualizar de forma mais clara a geometria do experimento e domínio computacional
utilizado.
Amielh et al. (AMIELH et al., 1996) e Djeridane et al. (DJERIDANE et al., 1996)
mencionam que em todos os experimentos foram utilizados acessórios na instalação
que garantiam que, tanto o escoamento na região de entrada do jato como na região de
entrada do coflow, já se encontrassem plenamente desenvolvidos, sendo a intensidade
4.10. D EFINIÇÃO DO P ROBLEMA T ESTE E M ALHA 73
Jato Rej LK ∗ τK ∗ Lλ ∗ τλ ∗
AR-AR 20650 5,77 × 10−4 6,92 × 10−5 2,19 × 10−2 2,68 × 10−2
O solver desenvolvido para as análises foi batizado como PMLES (Pinho Muniz
Large Eddy Simulation) e ao longo do seu desenvolvimento foi submetido à diversos
procedimentos de verificação para a busca por erros de implementação. Alguns dos
principais testes realizados nas etapas de verificação do código são apresentados no
Apêndice D. Já a validação do código desenvolvido para simulação de jatos turbulen-
tos, antes de avaliar o efeito de diferentes modelos submalha e condições de contorno,
76 C APÍTULO 4. M ÉTODO N UMÉRICO
foi realizada utilizando o modelo de Smagorinsky. Para tanto foram conduzidas si-
mulações para o problema teste descrito na seção anterior, utilizando uma condição
de contorno para entrada sem flutuações turbulentas e utilizando o modelo submalha
para o tensor de tensões de Smagorinsky com Cs = 0,065. Os resultados desta vali-
dação inicial foram publicados na revista Journal of Applied Fluid Mechanics (PINHO;
MUNIZ, 2020) e encontra-se em anexo no apêndice E.
em que
PN
a=1 ua
UL = (4.54)
N
s
PN
0 a=1 (ua − UL )2
u rms = , (4.55)
N
onde UL é a velocidade média local (componente axial), Ujet a velocidade de injeção
do jato e Ucof low a velocidade de entrada do escoamento externo, ilustradas na Fig.
0
4.12 e especificadas na Tab. 4.2., u rms é a velocidade rms (root mean square), ua é uma
amostra da componente axial da velocidade instantânea e N o número de amostras
para o cálculo de uma velocidade média. Para o cálculo das grandezas médias foram
utilizadas 300 amostras, sendo cada amostra de ua coletada a cada 10000 passos de
tempo, de modo que o valor de UL representa uma média para 3 × 106 de passos de
tempo, que representam 1,137 segundos de simulação.
O cálculo dos perfis médios dos adimencionais descritos acima foi realizado
após as simulações terem atigido o regime estatísticamente estacionário. O regime esta-
tísticamente estacionário foi admitido após o cálculo do erro quadrático médio EQM1
de três perfis axias consecutivos e o desvio destes com relação ao valor médio dos três
foi menor do que 5% em ambas as direções da média. O erro quadrático médio para
o perfil axial médio de velocidades foi definido em termos de Uadm com relação aos
dados experimentais de Amielh et al. (AMIELH et al., 1996)
N
1 X h [ i2
EQM 1 U
[adm = Uadm − (Uadm )a (4.56)
N a=1 a
em que U[
adm e (Uadm )a correspondem respectivamente aos valores da velocidade
a
média adimensional na posição "a"e o equivalente mensurado no trabalho experimen-
tal.
O erro quadrático médio EQM1 também foi utilizado como métrica quantita-
tiva para comparação entre as simulações realizadas. Com o objetivo de realizar uma
comparação quantitativa com relação as caracaterísticas turbulentas resultantes do es-
coamento foi também definido o erro quadrático médio EQM2. O EQM2 é avaliado
em termos da intensidade de turbulência adimensional calculada nas simulações com
relação às medições de Amielh et al. (AMIELH et al., 1996), de modo que
N
0
1 X h d
0
0 i2
EQM 2 ud
adm = uadm − u adm , (4.57)
N a=1 a a
0
sendo ud
adm o valor médio da intensidade de turbulência adimensional local na po-
a
0
sição "a"e u adm a o valor equivalente mensurado no trabalho experimental.
Utilizando o filtro digital de Klein, foi criado um sinal turbulento com o mesmo
tamanho (número de pontos) do domínio computacional utilizado para as simulações
do GRUPO2. Estas flutuações nas três componentes de velocidade ao longo da seção
transversal são apresentadas na Fig. 4.16. Utilizando a hipótese de turbulência conge-
lada de Taylor (POPE, 2000), a cada instante da marcha temporal um plano adjacente é
inserido como condição de contorno. Como foram armazenados somente 1004 planos,
a cada 1004 iterações as condições de contorno passam a ser repetidas, o que incorpora
à modelagem da condição de contorno um comportamento periódico.
F IGURA 4.16. Campo das flutuações de velocidades produzidas pelo método de Klein
et al. para um instante "t"para as componentes u, v e w, respectivamente.
Capítulo 5
Resultados
• Ganhos de desempenho;
83
84 C APÍTULO 5. R ESULTADOS
Os campos médios apresentados na Fig. 5.1 permitem observar que os jatos si-
mulados apresentam a estrutura típica esperada e ilustrada na Fig. 2.2, formada por
uma zona potencial, uma zona de transição e uma zona completamente desenvolvida.
Pode-se a partir destes estimar o comprimento da região potencial prevista (onde as
velocidades são mais altas, coloridas em vermelho), e visualizar (do ponto de vista
qualitativo) o desenvolvimento da turbulência e o espalhamento do jato à medida em
que se afasta do bocal. Entretanto, comparações entre resultados são melhor conduzi-
das do ponto de vista quantitativo usando perfis unidimensionais, especialmente no
que diz respeito a diferenciação da qualidade dos resultados.
Analisando a Fig. 5.4, podemos observar que as curvas para Cs ≤ 0,065 são
praticamente coincidentes, com pequenas discrepâncias para Cs = 0,070. Este compor-
5.1. R ESULTADOS DAS SIMULAÇÕES DO GRUPO1 - A NÁLISE DO COEFICIENTE DE
S MAGORINSKY 85
F IGURA 5.2. Campos de velocidade instanânea tomados no plano central para uma
simulação com o modelo de Smagorinsky (Cs = 0,060).
F IGURA 5.3. Perfil instantâneo da componente axial da velocidade obtido com o mo-
delo de Smagorinsky Cs = 0,060, comparado com dados experimentais de velocidade
média.
5.1. R ESULTADOS DAS SIMULAÇÕES DO GRUPO1 - A NÁLISE DO COEFICIENTE DE
S MAGORINSKY 87
F IGURA 5.4. Perfis axiais de Uadm obtidos com modelo de Smagorinsky para diversos
valores da constante Cs , comparados a dados da literatura.
A Fig. 5.5 apresenta o mesmo resultado da Fig. 5.4 expresso pela adimensio-
nalização Usim . Este gráfico evidencia claramente a taxa de decaimento da velocidade
na linha de centro e o comportamento assintótico que existe na região de jato desen-
volvido. Podemos também observar novamente uma grande concordância entre os
resultados obtidos para Cs = 0,055 e Cs = 0,060, e destes com os valores experimentais
para maiores x/D. Novamente nota-se que na medida em que a constante de Sma-
gorinsky Cs é aumentada, o comprimento potencial do jato previsto pela simulação
também aumenta, evidenciado pelas curvas para Cs = 0.065 e 0.070 (em x/D ∼ 8).
F IGURA 5.5. Perfis axiais de Usim obtidos com modelo de Smagorinsky para diversos
valores da constante Cs , comparados a dados da literatura.
F IGURA 5.6. Perfis radiais de Uadm obtidos com modelo de Smagorinsky para diversos
valores da constante Cs , comparados com dados experimentais de Amielh et al. (1996)
em x/D = 5.
velocidade axial é relativamente bem capturado, porém alguns desvios com relação
aos resultados experimentais de Amielh et al. (AMIELH et al., 1996) são observados,
em maior magnitude para seções transversais mais próximas ao bocal do jato (menores
valores de x/D).
5.1. R ESULTADOS DAS SIMULAÇÕES DO GRUPO1 - A NÁLISE DO COEFICIENTE DE
S MAGORINSKY 89
F IGURA 5.7. Perfis radiais de Uadm obtidos com modelo de Smagorinsky para diversos
valores da constante Cs , comparados com dados experimentais de Amielh et al. (1996)
em x/D = 10.
F IGURA 5.8. Perfis radiais de Uadm obtidos com modelo de Smagorinsky para diversos
valores da constante Cs , comparados com dados experimentais de Amielh et al. (1996)
em x/D = 15.
90 C APÍTULO 5. R ESULTADOS
F IGURA 5.9. Perfis radiais de Uadm obtidos com modelo de Smagorinsky para diversos
valores da constante Cs , comparados com dados experimentais de Amielh et al. (1996)
em x/D = 20.
Deve-se ressaltar que os desvios nos perfis radiais em x/D = 5 (Fig. 5.6) são os
maiores observados comparado aos obtidos em diferentes valores de x/D. Esta obser-
vação é consistente com os resultados mostrados nas Figuras 5.4 e 5.5, visto que um
atraso no desenvolvimento da região de transição resulta em um menor espalhamento
do jato para regiões próximas ao bocal. Levando em conta que o atraso na transição é
de comprimento da ordem de 2 diâmetros, seria até estranho que o perfil radial da ve-
locidade axial média apresentasse boa concordância para x/D = 5. Nesse ponto, o jato
experimental já passou da zona potencial para a zona de transição (conforme explicado
5.1. R ESULTADOS DAS SIMULAÇÕES DO GRUPO1 - A NÁLISE DO COEFICIENTE DE
S MAGORINSKY 91
na Fig. 2.2), enquanto que para os jatos obtidos nas simulações esta transição está ape-
nas iniciando, portanto estando ainda na zona potencial. Isto provavelmente se deve
ao fato de usarmos uma CC laminar na entrada. Portanto estão sendo comparados
resultados de jatos que encontram-se localmente em diferentes regimes.
As mesmas tendências descritas acima para a Fig. 5.6 são também observadas
para as Figs. 5.7 e 5.8. Entretanto, os desvios entre os dados experimentais e as simu-
lações são menores, uma vez que em x/D = 10 e x/D = 15 tanto o jato experimental
quanto os jatos das simulações já se encontram na zona de transição. A Fig. 5.9 apre-
senta os resultados para a seção x/D = 20. Percebe-se que a esta distância do bocal os
resultados para as quatro simulações que utilizam o modelo de Smagorinsky apresen-
tam bons resultados.
0
F IGURA 5.10. Perfis axiais de u adm obtidos com modelo de Smagorinsky para diversos
valores da constante Cs , comparados com os dados experimentais de Amielh et al.
(1996).
TABELA 5.1. Comparação entre os erros quadráticos médios produzidos com o uso de
diferentes valores da constante de Smagorinsky.
Cs EQM1 EQM2
0,055 0,00287 0,00305
0,060 0,00165 0,00231
0,065 0,00277 0,00248
0,070 0,00647 0,00414
da análise do Erro Quadrático Médio (EQM) dos resultados obtidos. Foram definidos
na Seção 4.11 para o perfil axial de velocidades médios adimensional Uadm o EQM 1, e
0
para o perfil de intensidade de turbulência adimensional u adm o EQM 2.
A Tab. 5.1 apresenta os valores de EQM 1 e EQM 2 calculados para os perfis axi-
0
ais de Uadm e u adm plotados na Fig. 5.4 e Fig. 5.10, respectivamente. Verifica-se que os
menores valores para EQM 1 e EQM 2 com relação aos resultados experimentais foram
obtidos para Cs = 0,060. Portanto os resultados da simulação com Cs = 0,060 serão
utilizados na próxima seção para comparações do modelo de Smagorinsky com os de-
mais (Dinâmico de Germano e Função Estrutura de Velocidade), de modo a avaliar o
efeito da modelagem submalha nos resultados de LES de jatos turbulentos.
5.2. R ESULTADOS DAS SIMULAÇÕES PARA O GRUPO1 - C OMPARAÇÃO ENTRE OS
MODELOS SUBMALHA 93
Visualmente pode ser observado que o comprimento potencial dos três jatos da
Fig. 5.11, (a parte vermelha escura indicando velocidades mais altas e azul indicando
as velocidades mais baixas) é similar, terminando próximo a primeira linha branca, em
x/D = 5. Após o término da zona potencial o comportamento resultante da utilização
de cada um dos três modelo submalha estudados passa a ser distinto. Nota-se que o
jato previsto pelo modelo Dinâmico de Germano é o mais curto, enquanto o jato pre-
visto pelo modelo Função Estrutura de Velocidades produziu o jato mais alongado.
Pode ser observado que as velocidades observadas em x/D = 10 na simulação com o
modelo de Germano é comparável ao observado em x/D = 15 na simulação realizada
com o modelo Função Estrutura de Velocidades. Verifica-se portanto, que o compri-
mento da região de transição previsto pelo modelo Função Estrutura de Velocidades é
cerca de duas vezes maior comparado ao previsto pelo modelo Dinâmico de Germano.
F IGURA 5.11. Campos de velocidade média axial tomados no plano central, obtidos
com a utilização dos modelos de Smagorinsky (Cs = 0,060), Dinâmico de Germano e
Função Estrutura de Velocidades, respectivamente.
5.2. R ESULTADOS DAS SIMULAÇÕES PARA O GRUPO1 - C OMPARAÇÃO ENTRE OS
MODELOS SUBMALHA 95
Outra análise qualitativa interessante pode ser feita a partir da Fig. 5.13, que
0
apresenta os campos das flutuações de velocidade u rms . Nestas figuras, o desenvolvi-
mento da turbulência e a degradação do cone potencial podem ser bem visualizados.
Além das diferenças na zona de transição para cada modelo submalha, podemos ob-
servar uma diferença no comportamento das flutuações de velocidade junto às bordas
do bocal. Bodony e Lele (BODONY; LELE, 2008) relatam a importância da modela-
gem dos bocais em simulações LES por ser uma região que gera reflexão de ondas de
96 C APÍTULO 5. R ESULTADOS
pressão, e por ser responsável por definir a espessura inicial da camada cisalhante.
A partir da Fig. 5.13 pode ser verificado que para as simulações que utiliza-
ram os modelos de Smagorinsky e Dinâmico de Germano, as regiões onde ocorrem
os maiores níveis de turbulência coincidem com as regiões onde os modelos produ-
zem os maiores valores de viscosidade efetiva. Quanto à simulação realizada com
o modelo Função Estrutura de Velocidade, verifica-se que mesmo após ocorrerem os
maiores valores de viscosidade turbulenta, os níveis de intensidade turbulenta conti-
nuam grandes. Por se tratar de uma análise qualitativa, não podemos tirar conclusões
definitivas, mas ao que parece isso ocorre devido ao modelo dissipar pouca energia
cinética turbulenta, de modo que a região onde existem elevados níveis de energia
cinética turbulenta seja mais extensa.
0
F IGURA 5.13. Campos de intensidade de turbulência adimensional u rms tomados no
plano central, obtidos com a utilização dos modelos de Smagorinsky (Cs = 0,060),
Dinâmico de Germano e Função Estrutura de Velocidades, respectivamente.
5.2. R ESULTADOS DAS SIMULAÇÕES PARA O GRUPO1 - C OMPARAÇÃO ENTRE OS
MODELOS SUBMALHA 99
TABELA 5.2. Comparação entre erros quadráticos médios produzidos pelos modelos
F IGURA 5.14. Perfis axiais de Uadm obtidos para os três modelos de viscosidade sub-
malha comparados com a dados da literatura.
F IGURA 5.15. Perfis axiais de Usim obtidos para os três modelos de viscosidade sub-
malha comparados com a dados da literatura.
Pode ser notado que o Modelo Função Estrutura de Velocidade foi o que apre-
sentou menor capacidade para prever a transição à turbulência, necessária nas simu-
lações do GRUPO1. Entretanto após o desenvolvimento da turbulência, a taxa de de-
caimento da velocidade média parece ser bem descrita, sendo similar a taxa de decai-
mento dos resultados experimentais de referência.
Os perfis radiais de Uadm e Usim em diferentes posições axiais (x/D) são apre-
sentados respectivamente nas Figuras 5.16, 5.18, 5.20 e 5.22 e Figuras 5.17, 5.19, 5.21 e
5.23. Uma vez que os três modelos submalha prevêm comprimentos similares para a
região potencial do jato, observa-se que as três curvas para a posição x/D = 5 mostra-
das nas Fig. 5.16 e 5.17 são praticamente coincidentes. Verifica-se também um desvio
acentuado com relação aos dados experimentais, principalmente para regiões longe do
centro, por conta das diferenças de regime entre o jato experimental e o previsto nas
simulações para esta seção. Enquanto que em x/D = 5 o jato experimental já sofreu
a mudança de regime, da zona potencial para a de transição, os jatos previstos pelas
simulações ainda experimentam a zona potencial, ou o final desta.
Os perfis radiais para a seção x/D = 10 são apresentados nas Figs. 5.18 e 5.19,
onde podemos notar que após o término da região potencial, já na zona de transição,
cada um dos três modelos previu comportamentos distintos, como já havia sido obser-
5.2. R ESULTADOS DAS SIMULAÇÕES PARA O GRUPO1 - C OMPARAÇÃO ENTRE OS
MODELOS SUBMALHA 101
F IGURA 5.16. Perfis radiais de Uadm obtidos para os três modelos de viscosidade sub-
malha comparados com dados experimentais de Amielh et al. (1996) em x/D = 5.
F IGURA 5.17. Perfis radiais de Usim obtidos para os três modelos de viscosidade sub-
malha comparados com dados experimentais de Amielh et al. (1996) em x/D = 5.
102 C APÍTULO 5. R ESULTADOS
F IGURA 5.18. Perfis radiais de Uadm obtidos para os três modelos de viscosidade sub-
malha comparados com dados experimentais de Amielh et al. (1996) em x/D = 10.
vado na análise dos campos de velocidades e perfis axiais. A diferença entre os perfis
radiais previstos pelos três modelos estão de acordo com o observado na Fig. 5.14,
em que o modelo Função Estrutura de Velocidades, por ser menos dissipativo ainda
preserva traços do perfil potencial, os quais são menores para o perfil previsto pelo
modelo de Smagorinsky. Por outro lado os perfis previstos pelo modelo Dinâmico de
Germano nesta seção são muito bons, sendo um indicador de que o modelo tem uma
boa capacidade de prever o fenômeno de transição à turbulência.
Analisando os perfis radiais nas seções x/D = 15 e x/D = 20 (Figs. 5.20 e 5.22
e Figs. 5.21 e 5.23) percebe-se que já ocorreu a transição de regimes para os jatos das
três simulações. Quanto a qualidade dos resultados observamos que o Modelo Dinâ-
mico de Germano é o que captura melhor a estrutura do jato e os comportamentos de
decaimentos para todas as seções, enquanto que os resultados obtidos com o modelo
de Smagorinsky são os que apresentam os menores desvios absolutos. Por outro lado,
a análise dos perfis radiais deixou bastante evidente a dificuldade do modelo Função
Estrutura de Velocidades em capturar a transição entre a zona potencial e a zona de
transição. De fato este fenômeno de transição é complexo, apresentando elevados gra-
dientes das propriedades, e essa dificuldade já havia sido observada na Fig. 5.14.
F IGURA 5.19. Perfis radiais de Usim obtidos para os três modelos de viscosidade sub-
malha comparados com dados experimentais de Amielh et al. (1996) em x/D = 10.
F IGURA 5.20. Perfis radiais de Uadm obtidos para os três modelos de viscosidade sub-
malha comparados com dados experimentais de Amielh et al. (1996) em x/D = 15.
104 C APÍTULO 5. R ESULTADOS
F IGURA 5.21. Perfis radiais de Usim obtidos para os três modelos de viscosidade sub-
malha comparados com dados experimentais de Amielh et al. (1996) em x/D = 15.
F IGURA 5.22. Perfis radiais de Uadm obtidos para os três modelos de viscosidade sub-
malha comparados com dados experimentais de Amielh et al. (1996) em x/D = 20.
5.2. R ESULTADOS DAS SIMULAÇÕES PARA O GRUPO1 - C OMPARAÇÃO ENTRE OS
MODELOS SUBMALHA 105
F IGURA 5.23. Perfis radiais de Usim obtidos para os três modelos de viscosidade sub-
malha comparados com dados experimentais de Amielh et al. (1996) em x/D = 20.
0
F IGURA 5.24. Perfis axiais de u adm obtidos para os três modelos de viscosidade sub-
malha comparados com dados experimentais de Amielh et al. (1996).
F IGURA 5.25. Perfis axiais de Uadm obtidos com modelo de Smagorinsky para diversos
valores da constante Cs , comparados a dados da literatura.
F IGURA 5.26. Perfis axiais de Usim obtidos com modelo de Smagorinsky para diversos
valores da constante Cs , comparados a dados da literatura.
mais longo. Pode ser notado que, de maneira geral houve uma pequena antecipação
da transição de regime, sendo portanto o comprimento potencial para as simulações do
GRUPO2 menor do que aquele obtido nas simulações do GRUPO1. Uma análise mais
apurada comparando o efeito especificamente da utilização da condição de contorno
será realizada na próxima seção.
108 C APÍTULO 5. R ESULTADOS
F IGURA 5.27. Perfis radiais de Uadm obtidos com modelo de Smagorinsky para diver-
sos valores da constante Cs , comparados com dados experimentais de Amielh et al.
(1996) em x/D = 5.
Novamente, as curvas para Cs < 0,065 em x/D = 10 são muito próximas, sendo
que o desvio da curva Cs = 0,070 na região central se deve à previsão do cone potencial
mais longo, como também observado na Fig. 5.25. Se retornarmos à Fig. 5.7, podemos
notar que a utilização das condições de contorno turbulentas melhorou a qualidade
dos resultados nesta seção, uma vez que os desvios já são menores do que os observa-
dos na Fig. 5.6. Portanto verificamos uma melhor representação da região de transição.
As Figuras 5.29 e 5.30 apresentam os perfis radiais de Uadm em x/D = 15 e 20. Atra-
vés da visualização destes resultados, percebe-se que após a transição todas as quatro
5.3. R ESULTADOS DAS SIMULAÇÕES DO GRUPO2 - A NÁLISE DO COEFICIENTE DE
S MAGORINSKY 109
F IGURA 5.28. Perfis radiais de Uadm obtidos com modelo de Smagorinsky para diver-
sos valores da constante Cs , comparados com dados experimentais de Amielh et al.
(1996) em x/D = 10.
F IGURA 5.29. Perfis radiais de Uadm obtidos com modelo de Smagorinsky para diver-
sos valores da constante Cs , comparados com dados experimentais de Amielh et al.
(1996) em x/D = 15.
F IGURA 5.30. Perfis radiais de Uadm obtidos com modelo de Smagorinsky para diver-
sos valores da constante Cs , comparados com dados experimentais de Amielh et al.
(1996) em x/D = 20.
5.3. R ESULTADOS DAS SIMULAÇÕES DO GRUPO2 - A NÁLISE DO COEFICIENTE DE
S MAGORINSKY 111
0
F IGURA 5.31. Perfis axiais de u adm obtidos com modelo de Smagorinsky para diversos
valores da constante Cs , comparados com os dados experimentais de Amielh et al.
(1996).
TABELA 5.3. Comparação entre os erros quadráticos médios produzidos com o uso de
diferentes valores da constante de Smagorinsky Cs .
Cs EQM1 EQM2
0,055 0,00140 0,00185
0,060 0,00108 0,00170
0,065 0,00166 0,00221
0,070 0,00408 0,00303
0
lado o EQM 1 e EQM 2 para os perfis axiais de Uadm e de u adm , os quais são apresenta-
dos na Tab. 5.3.
A análise dos resultados da Tab. 5.3 fornece uma constatação interessante, visto
que para o GRUPO2 os resultados produzidos pelos diferentes coeficiented de Smago-
rinsky são muito próximos, principalmente os gerados por Cs = 0,055 e Cs = 0,060.
Este evidencia portanto, que o desempenho dos modelos submalha pode ser influen-
ciado pelas condições do escoamento, corroborando com as análises anteriores de que
não existe um valor universal para o coeficiente de Smagorinsky a ser utilizado em
LES. De forma similar a análise para o Cs a ser utilizado no GRUPO1, a comparação
entre o desempenho dos diferentes modelos submalha a ser apresentada na próxima
seção foi realizada utilizando a simulação com Cs = 0,060.
112 C APÍTULO 5. R ESULTADOS
F IGURA 5.32. Perfis axiais de Uadm obtidos para os três modelos de viscosidade sub-
malha comparados com a dados da literatura.
F IGURA 5.33. Perfis axiais de Usim obtidos para os três modelos de viscosidade sub-
malha comparados com a dados da literatura.
F IGURA 5.34. Perfis radiais de Uadm obtidos para os três modelos de viscosidade sub-
malha comparados com dados experimentais de Amielh et al. (1996) em x/D = 5.
F IGURA 5.35. Perfis radiais de Usim obtidos para os três modelos de viscosidade sub-
malha comparados com dados experimentais de Amielh et al. (1996) em x/D = 5.
Para a seção transversal x/D = 10, os resultados são apresentados nas Fig. 5.36
e Fig. 5.37. A partir destes gráficos verificamos que, similarmente ao discutido em
relação aos perfis axiais, as simulações do GRUPO2 os modelos de Smagorinsky e
Função Estrutura de Velocidades capturam razoavelmente bem a fenomenologia do
5.4. R ESULTADOS DAS SIMULAÇÕES PARA O GRUPO2 - C OMPARAÇÃO ENTRE OS
MODELOS SUBMALHA 115
F IGURA 5.36. Perfis radiais de Uadm obtidos para os três modelos de viscosidade sub-
malha comparados com dados experimentais de Amielh et al. (1996) em x/D = 10.
F IGURA 5.37. Perfis radiais de Usim obtidos para os três modelos de viscosidade sub-
malha comparados com dados experimentais de Amielh et al. (1996) em x/D = 10.
F IGURA 5.38. Perfis radiais de Uadm obtidos para os três modelos de viscosidade sub-
malha comparados com dados experimentais de Amielh et al. (1996) em x/D = 15.
Os resultados para as seções x/D = 15 e x/D = 20, ilustrados nas Figuras 5.38,
5.39, 5.40 e 5.41 mostram que os modelos de Smagorinsky e Função Estrutura de Veloci-
dades capturam de forma mais adequada a dinâmica do jato a medida que analisamos
pontos mais distantes, indicando uma taxa de dissipação de energia cinética turbulenta
adequada. O modelo de Germano entretanto apresentou uma piora nos resultados em
termos absolutos. Porém, de forma qualitativa, os perfis radiais produzidos pelo mo-
delo de Germano apresentam um desvio praticamente constante em relação aos dados
experimentais em todas seções analisadas, o que indica que a estrutura do jato é bem
reproduzida.
F IGURA 5.39. Perfis radiais de Usim obtidos para os três modelos de viscosidade sub-
malha comparados com dados experimentais de Amielh et al. (1996) em x/D = 15.
F IGURA 5.40. Perfis radiais de Uadm obtidos para os três modelos de viscosidade sub-
malha comparados com dados experimentais de Amielh et al. (1996) em x/D = 20.
118 C APÍTULO 5. R ESULTADOS
F IGURA 5.41. Perfis radiais de Usim obtidos para os três modelos de viscosidade sub-
malha comparados com dados experimentais de Amielh et al. (1996) em x/D = 20.
Um dos motivos que podem ter ocasionado este comportamento para o mo-
delo Dinâmico de Germano é o fato deste possibilitar a produção de energia cinética
turbulenta, através da cascata de energia reversa. Matematicamente, este efeito é de-
senvolvido pelo modelo através uma viscosidade submalha negativa, que é possível
quando o tensor de Leonard filtrado (ou Identidade de Germano) definido pela Eq.
3.41, que considera o efeito submalha das escalas resolvidas, assume valores negativos.
Em nossa implementação este efeito foi limitado até µt = −µ, que resulta em µe = 0.
Esta limitação se deu por questões de estabilidade numérica, como recomendado por
Sagaut (SAGAUT, 2006).
0
F IGURA 5.42. Perfis axiais de u adm obtidos para os três modelos de viscosidade sub-
malha comparados com dados experimentais de Amielh et al. (1996).
TABELA 5.4. Comparação entre erros quadráticos médios produzidos pelos avaliados
F IGURA 5.43. Comparação entre os perfis axiais das simulações dos GRUPO1 e
GRUPO2 de Uadm obtidos com o modelo de Smagorinsky para Cs = 0,060 e com os
dados experimentais de Amielh et al. (1996).
F IGURA 5.44. Comparação entre os perfis axiais das simulações dos GRUPO1 e
GRUPO2 de Usim obtidos com o modelo de Smagorinsky para Cs = 0,060 e com os
dados experimentais de Amielh et al. (1996).
F IGURA 5.45. Comparação entre os perfis axiais das simulações dos GRUPO1 e
GRUPO2 de Uadm obtidos com o modelo Dinâmico de Germano e com os dados ex-
perimentais de Amielh et al. (1996).
F IGURA 5.46. Comparação entre os perfis axiais das simulações dos GRUPO1 e
GRUPO2 de Usim obtidos com o modelo Dinâmico de Germano e com os dados ex-
perimentais de Amielh et al. (1996).
5.5. A NÁLISE D IRETA DO E FEITO DA C ONDIÇÃO DE C ONTORNO 123
F IGURA 5.47. Comparação entre os perfis axiais das simulações dos GRUPO1 e
GRUPO2 de Uadm obtidos com o modelo Função Estrutura de Velocidades e com os
dados experimentais de Amielh et al. (1996).
F IGURA 5.48. Comparação entre os perfis axiais das simulações dos GRUPO1 e
GRUPO2 de Usim obtidos com o modelo Função Estrutura de Velocidades e com os
dados experimentais de Amielh et al. (1996).
TABELA 5.5. EQM 1 com modelo de Smagorinsky para diferentes valores da constante
Cs
Cs GRUPO1 GRUPO2
0,055 0,00287 0,00140
0,060 0,00165 0,00108
0,065 0,00277 0,00166
0,070 0,00647 0,00408
Para o problema físico estudado neste trabalho verifica-se nas Figuras 5.49, 5.50
e 5.51, que o efeito da condição de contorno turbulenta foi importante para a melhoria
da qualidade dos resultados previstos, principalmente para previsão do comprimento
potencial. Deve-se destacar que para os modelos de Smagorinsky e Dinâmico de Ger-
0
mano, após o término da zona potencial, os perfis de velocidades u adm apresentam
comportamento similar para ambos os grupos de simulações. Para o modelo Função
0
Estrutura de Velocidades, na simulação do GRUPO1 verificou-se que u adm não atingia
seu valor máximo dentro do domínio em análise, enquanto que para o GRUPO2 este
foi alcançado, inclusive próximo ao valor máximo experimental .
5.5. A NÁLISE D IRETA DO E FEITO DA C ONDIÇÃO DE C ONTORNO 125
F IGURA 5.49. Comparação entre os perfis axiais das simulações dos GRUPO1 e
0
GRUPO2 de u adm obtidos com o modelo de Smagorinsky para Cs = 0,060 e com os
dados experimentais de Amielh et al. (1996).
Deve-se ressaltar que já era esperada uma melhora na qualidade dos resultados
para as simulações do GRUPO2, pelo fato de que a definição de um escoamento tur-
bulento já na entrada é mais próxima da realidade, além de diminuir a complexidade
da simulação. Esta redução de complexidade se deve ao fato de não ser necessário que
o solver desenvolva e amplifique as primeiras instabilidades que irão degenerar-se em
turbulência, fenômeno que é naturalmente complexo.
F IGURA 5.50. Comparação entre os perfis axiais das simulações dos GRUPO1 e
0
GRUPO2 de u adm obtidos com o modelo Dinâmico de Germano e com os dados expe-
rimentais de Amielh et al. (1996).
F IGURA 5.51. Comparação entre os perfis axiais das simulações dos GRUPO1 e
0
GRUPO2 de u adm obtidos com o modelo Função Estrutura de Velocidades e com os
dados experimentais de Amielh et al. (1996).
TABELA 5.7. EQM 2 com modelo de Smagorinsky para diferentes valores da constante
Cs
Cs GRUPO1 GRUPO2
0,055 0,00305 0,00185
0,060 0,00231 0,00170
0,065 0,00248 0,00221
0,070 0,00414 0,00303
5.6. G ANHOS DE D ESEMPENHO C OMPUTACIONAL 127
O solver PMLES desenvolvido neste trabalho possui uma versão totalmente pa-
ralelizada utilizando OpenMP (BOARD et al., 2013), que pode ser executada de forma
serial, através da não invocação das bibliotecas OpenMP na etapa de compilação do
código e uma versão híbrida OpenMP CUDA Fortran (GROUP et al., 2018b). As simu-
lações para verificação dos ganhos de performance foram realizadas no Cluster SDu-
mont.
Ainda que os ganhos de desempenho não sejam lineares com o número de pro-
cessadores, pois nem todas as operações podem ser feitas por múltiplos processado-
res (como as instruções de tomada de decisão por exemplo (GUSTAFSON, 1988)), os
ganhos de performance obtidos pela utilização das técnicas discutidas acima foram
excelentes. Os resultados de ganhos de performance são apresentados na Tab. 5.9.
As últimas simulações deste tese foram todas realizadas no cluster FERMI. Para
uma simulação configurada para a utilização de 12 CPU e uma GPU, o cálculo de 2×106
passos de tempo para uma simulação do GRUPO1, utilizando o modelo submalha de
Smagorinsky, demora cerca de 110 horas, enquanto que a simulação correspondente
para o GRUPO2 demora 132 horas.
A escolha do modelo que produz os resultados mais satisfatórios foi feita através
da análise comparativa entre perfis de variáveis representativas (velocidades médias,
flutuações de velocidade) ao longo das direções axial e radial e de erros quadráticos
médios em relação aos dados experimentais. Em nossos resultados, verificamos que
houve variações nos desvios observados para cada modelo. Baseado nestes critérios,
o modelo submalha de Smagorinsky com Cs = 0,060 foi o que apresentou os melhores
resultados para o problema estudado. Isso nos leva a uma das conclusões importantes
desta tese, de que nem sempre o modelo mais caro e mais complexo é o melhor.
É claro que até chegarmos nessa qualidade de resultados para o modelo de Sma-
gorinsky, o modelo foi "calibrado"para a solução de jato turbulento coaxial. Foi mos-
trado que valores inadequados de Cs , mesmo dentro da faixa proposta na literatura,
levaram à soluções muito discrepantes das esperadas. Foi verificado anteriormente
131
132 C APÍTULO 6. C ONCLUSÕES E T RABALHOS F UTUROS
(UZUN et al., 2003; ILYUSHIN; KRASINSKY, 2006; BODONY; LELE, 2008; BRÈS;
LELE, 2019) e discutido no texto, que o valor adequado de Cs a ser utilizado é função
das características numéricas do solver e do problema em estudo. Uma interpretação
que podemos fazer deste resultado é que o modelo submalha de Smagorinsky, apesar
de mais simples e menos custoso comparado aos demais testados, tem condições de
simular jatos turbulentos coaxiais de massa específica constante, desde que um valor
apropriado para a constante seja usado.
Acreditamos que este resultado deva motivar estudos adicionais sobre a utili-
zação do modelo submalha de Smagorinsky em estudos sistemáticos similares para
variados problemas, utilizando o mesmo arranjo numérico, mesma descrição de con-
dição de contorno e de preferência o mesmo solver, como sugerido por Brès et al. (BRÈS;
LELE, 2019). Seguindo esta metodologia, será possível avaliar a sensibilidade do ajuste
da constante Cs para problemas de interesse na engenharia, como por exemplo, escoa-
mentos com misturas de fluidos de diferentes massas específicas e escoamentos reati-
vos. Infelizmente, com base nos resultados obtidos, não podemos afirmar com certeza
que a mesma qualidade de resultados seria obtida para outros jatos turbulentos para
o mesmo valor de Cs , ainda que isotérmicos e de massa específica constante. Em es-
coamentos de massa específica variável e reativos existem mais efeitos influenciando a
mecânica do jato, o que pode tornar ainda mais complexo a definição de um valor para
Cs .
Verifica-se que a maioria de simulações LES para jatos com variação de massa
específica e jatos reativos na literatura utilizam o modelo Dinâmico de Germano, assu-
mindo que este produzirá resultados de qualidade. O modelo Dinâmico de Germano
possui diversas características positivas, sendo a principal não necessitar da definição
de uma constante ad hoc. Por outro lado, os erros quadráticos médios apresentados
para o problema em questão mostram que esta escolha pode não ser adequada frente
a qualidade dos resultados obtidos, além de computacionalmente mais cara. Porém
deve-se ressaltar que os resultados produzidos pelo modelo Dinâmico de Germano são
razoáveis do ponto de vista quantitativo, mas bons do ponto de vista qualitativo. Por
exemplo, ao analisar o perfil da Intensidade de turbulência adimensional, verificamos
que este modelo produziu os melhores resultados, apresentando uma boa capacidade
de capturar o fenômeno de transição para turbulência. Através de sua utilização fo-
133
ram obtidos os resultados com maior taxa de espalhamento, similares aos propostos
pela lei de Similaridade de Chen e Rodi (CHEN; RODI, 1980). Existem aspectos de im-
plementação discutidos por Sagaut (SAGAUT, 2006), em particular quanto aos limites
máximos e mínimos para o coeficiente C (x, t) (na Eq. 3.47) produzido pelo modelo,
que talvez possam melhorar a qualidade destes resultados. Também, resultados com
melhor concordancia frente aos dados experimentais poderiam ser obtidos através de
uma melhor descrição da CC de entrada, a ser avaliada futuramente.
Diante dos resultados deste trabalho e estudos prévios da literatura com relação
ao efeito da modelagem submalha na simulação de jatos, sugere-se que para um pro-
blema desconhecido, que envolva transição de escoamento laminar para turbulento,
utilize-se o modelo Dinâmico de Germano. Quando o objetivo seja obter uma simula-
ção de boa qualidade visando estudar um determinado fenômeno em particular, talvez
valha a pena buscar um valor adequado da constante Cs de Smagorinsky antes da sua
aplicação.
Por outro lado, os códigos abertos (como o OpenFoam por exemplo) ainda
não estão adaptados a utilização deste tipo de recurso, e mesmo pacotes comerci-
ais possuem limitações. Essas limitações se devem à complexidade em adequar os
códigos existentes para execução em GPU, sendo muitas vezes necessário desenvol-
ver uma nova estratégia de implementação adequada às características das GPU’s.
Para superarmos esta dificuldade, é necessário que mais profissionais de engenharia
familiarizem-se com a programação neste tipo de arquitetura.
ABRAMOVICH, G. The theory of turbulent jets. Tese (Doutorado) — MIT Press, Massa-
chusetts Institute of technology, 1963.
BILLSON, M.; ERIKSSON, L.-E.; DAVIDSON, L. Jet noise prediction using stochastic
turbulence modeling. In: 9th AIAA/CEAS aeroacoustics conference and exhibit. [S.l.:
s.n.], 2003. p. 3282.
137
138 R EFERÊNCIAS B IBLIOGRÁFICAS
BODONY, D. J.; LELE, S. K. Current status of jet noise predictions using large-eddy
simulation. AIAA journal, v. 46, n. 2, p. 364–380, 2008.
BOGEY, C.; BAILLY, C. Les of a high reynolds, high subsonic jet: effects of the inflow
conditions on flow and noise. In: 9th AIAA/CEAS Aeroacoustics Conference and Exhi-
bit. [S.l.: s.n.], 2003. p. 3170.
BOGEY, C.; BAILLY, C. Les of a high reynolds, high subsonic jet: effects of the subgrid
modellings on flow and noise. In: 16th AIAA Computational Fluid Dynamics Confe-
rence. [S.l.: s.n.], 2003. p. 3557.
BOGEY, C.; BAILLY, C. Large eddy simulations of transitional round jets: influence of
the reynolds number on flow development and energy dissipation. Physics of Fluids,
American Institute of Physics, v. 18, n. 6, p. 065101, 2006.
BRÈS, G. A.; LELE, S. K. Modelling of jet noise: a perspective from large-eddy simula-
tions. Philosophical Transactions of the Royal Society A, The Royal Society Publishing,
v. 377, n. 2159, p. 20190081, 2019.
CHANDRA, R.; DAGUM, L.; KOHR, D.; MAYDAN, D.; MENON, R.; MCDONALD, J.
Parallel programming in OpenMP. [S.l.]: Morgan kaufmann, 2001.
CHASSAING, P.; HARRAN, G.; JOLY, L. Density fluctuation correlations in free turbu-
lent binary mixing. Journal of Fluid Mechanics, Cambridge University Press, v. 279,
p. 239–278, 1994.
CHEN, C. J.; RODI, W. Vertical turbulent buoyant jets: a review of experimental data.
NASA Sti/Recon Technical Report A, v. 80, 1980.
CHOI, H.; MOIN, P. Effects of the computational time step on numerical solutions of
turbulent flow. Journal of Computational Physics, Elsevier, v. 113, n. 1, p. 1–4, 1994.
FERZIGER, J. H.; PERIC, M. Computational methods for fluid dynamics. [S.l.]: Springer
Science & Business Media, 2012.
FLYNN, M. J. Very high-speed computing systems. Proceedings of the IEEE, IEEE, v. 54,
n. 12, p. 1901–1909, 1966.
FREUND, J. B. Nozzles, turbulence, and jet noise prediction. Journal of Fluid Mechanics,
Cambridge University Press, v. 860, p. 1–4, 2019.
FUREBY, C.; TABOR, G.; WELLER, H.; GOSMAN, A. A comparative study of sub-
grid scale models in homogeneous isotropic turbulence. Physics of fluids, American
Institute of Physics, v. 9, n. 5, p. 1416–1429, 1997.
GAMPERT, M.; KLEINHEINZ, K.; PETERS, N.; PITSCH, H. Experimental and nume-
rical study of the scalar turbulent/non-turbulent interface layer in a jet flow. Flow,
turbulence and combustion, Springer, v. 92, n. 1-2, p. 429–449, 2014.
GROUP, P. et al. Cuda fortran programming guide and reference. Beaverton: PGI, 2018.
140 R EFERÊNCIAS B IBLIOGRÁFICAS
GROUP, P. et al. Cuda fortran programming guide and reference. Beaverton: PGI, 2018.
GUSTAFSON, J. L. Reevaluating amdahl’s law. Communications of the ACM, ACM, v. 31,
n. 5, p. 532–533, 1988.
HAFEZ, M. M.; OSHIMA, K.; KWAK, D. Computational fluid dynamics review 2010. [S.l.]:
World Scientific, 2010.
HÄLLQVIST, T. Large eddy simulation of impinging jets with heat transfer. Tese (Douto-
rado) — Royal Institute of Technology, 2006.
HARLOW, F. H.; WELCH, J. E. Numerical calculation of time-dependent viscous in-
compressible flow of fluid with free surface. The physics of fluids, AIP, v. 8, n. 12, p.
2182–2189, 1965.
HERMANNS, M. Parallel programming in fortran 95 using openmp (2002). School of
Aeronautical Engineering, Universidad Politécnica de Madrid, España, 2011.
HIRT, C. et al. SOLA: A numerical solution algorithm for transient fluid flows. [S.l.], 1975.
HU, F.; HUSSAINI, M.; MANTHEY, J. Low-dissipation and low-dispersion runge–
kutta schemes for computational acoustics. Journal of computational physics, Elsevier,
v. 124, n. 1, p. 177–191, 1996.
HUAI, Y. Large Eddy Simulation in the scalar field. Tese (Doutorado) — Technische Uni-
versität, 2006.
ILYUSHIN, B.; KRASINSKY, D. Large eddy simulation of the turbulent round jet dy-
namics. Thermophysics and Aeromechanics, Springer, v. 13, n. 1, p. 43–54, 2006.
JONES, S.; SOTIROPOULOS, F.; SALE, M. Large-eddy simulation of turbulent circular jet
flows. [S.l.], 2002.
JORGE, S. C. EXPLORANDO O PARALELISMO HÍBRIDO NA PROPAGAÇÃO da
ONDA ACÚSTICA 3D. Tese (Doutorado) — Universidade Federal do Rio de Ja-
neiro, 2016.
KLEIN, M.; SADIKI, A.; JANICKA, J. A digital filter based generation of inflow data
for spatially developing direct numerical or large eddy simulations. Journal of com-
putational Physics, Elsevier, v. 186, n. 2, p. 652–665, 2003.
KRAICHNAN, R. H. Eddy viscosity in two and three dimensions. Journal of the at-
mospheric sciences, v. 33, n. 8, p. 1521–1536, 1976.
KUMAR, M. K.; ABDEL-MAJEED, M. R.; ANNAVARAM, M. Efficient automatic paral-
lelization of a single GPU program for a multiple GPU system. Integration, Elsevier,
v. 66, p. 35–43, 2019.
KUO, K. K.-y.; ACHARYA, R. Fundamentals of Turbulent and Multi-Phase Combustion.
[S.l.]: John Wiley & Sons, 2012.
LESIEUR, M. Turbulence in fluids. [S.l.]: Kluwer Academic Publishers, 1997.
R EFERÊNCIAS B IBLIOGRÁFICAS 141
LESIEUR, M. Turbulence in fluids. [S.l.]: Springer Science & Business Media, 2012. v. 40.
LESIEUR, M.; MÉTAIS, O.; COMTE, P. Large-eddy simulations of turbulence. [S.l.]: Cam-
bridge University Press, 2005.
LILLY, K. On the application of the eddy viscosity concept in the inertial sub-range of
turbulence. 1966.
LÖFFLER, M.; PFADLER, S.; BEYRAU, F.; LEIPERTZ, A.; DINKELACKER, F.; HUAI,
Y.; SADIKI, A. Experimental determination of the sub-grid scale scalar flux in a
non-reacting jet-flow. Flow, Turbulence and Combustion, Springer, v. 81, n. 1, p. 205–
219, 2008.
LUND, T. S.; WU, X.; SQUIRES, K. D. Generation of turbulent inflow data for spatially-
developing boundary layer simulations. Journal of computational physics, Elsevier,
v. 140, n. 2, p. 233–258, 1998.
MALISKA, C. Transferência de calor e mecânica dos fluidos computacional 2a Ed. [S.l.]: Rio
de Janeiro-RJ: LTC-Livros Técnicos e Cientıficos Editora SA, 2004.
MARKESTEIJN, A. P.; KARABASOV, S. A. GPU CABARET solutions for the cojen jet
noise experiment. In: 2018 AIAA/CEAS Aeroacoustics Conference. [S.l.: s.n.], 2018.
p. 3921.
MARKESTEIJN, A. P. et al. CABARET GPU solver for fast-turn-around flow and noise
calculations. In: 21st AIAA/CEAS Aeroacoustics Conference. [S.l.: s.n.], 2015. p. 2223.
MENEVEAU, C.; KATZ, J. Scale-invariance and turbulence models for large-eddy si-
mulation. Annual Review of Fluid Mechanics, Annual Reviews 4139 El Camino Way,
PO Box 10139, Palo Alto, CA 94303-0139, USA, v. 32, n. 1, p. 1–32, 2000.
MÉTAIS, O.; LESIEUR, M. Spectral large-eddy simulation of isotropic and stably stra-
tified turbulence. Journal of Fluid Mechanics, Cambridge University Press, v. 239, p.
157–194, 1992.
MOIN, P.; SQUIRES, K.; CABOT, W.; LEE, S. A dynamic subgrid-scale model for com-
pressible turbulence and scalar transport. Physics of Fluids A: Fluid Dynamics, AIP,
v. 3, n. 11, p. 2746–2757, 1991.
MONTORFANO, A.; PISCAGLIA, F.; FERRARI, G. Inlet boundary conditions for in-
compressible les: A comparative study. Mathematical and Computer Modelling, Else-
vier, v. 57, n. 7-8, p. 1640–1647, 2013.
MORGANS, R. et al. Application of the revised wilcox (1998) k-ω turbulence model to
a jet in co-flow. In: Second International Conference on CFD in the Mineral and Process
Industries, Melbourne, Australia. [S.l.: s.n.], 1999.
PHILIP, J.; MARUSIC, I. Large-scale eddies and their role in entrainment in turbulent
jets and wakes. Physics of Fluids, AIP, v. 24, n. 5, p. 055108, 2012.
PINHO, J.; MUNIZ, A. R. PMLES: A hybrid openMP CUDA source code for LES of
turbulent flows. Journal of Applied Fluid Mechanics, v. 13, n. 4, p. 1067–1079, 2020.
PIOMELLI, U. Large-eddy simulation: achievements and challenges. Progress in Aeros-
pace Sciences, Elsevier, v. 35, n. 4, p. 335–362, 1999.
PITSCH, H. Large-eddy simulation of turbulent combustion. Annu. Rev. Fluid Mech.,
Annual reviews, v. 38, p. 453–482, 2006.
PITTS, W. M. Effects of global density and Reynolds number variations on mixing in tur-
bulent, axisymmetric jets. [S.l.]: US Department of Commerce, National Bureau of
Standards, 1986.
PLETCHER, R. H.; TANNEHILL, J. C.; ANDERSON, D. Computational fluid mechanics
and heat transfer. [S.l.]: CRC Press, 2012.
POMRANING, E.; RUTLAND, C. J. Dynamic one-equation nonviscosity large-eddy
simulation model. AIAA journal, v. 40, n. 4, p. 689–701, 2002.
POPE, S. B. Turbulent flows. [S.l.]: Cambridge university press, 2000.
QUADROS, A. E. R. Processamento Paralelo em CUDA Aplicado ao Modelo de Geração de
cenários sintéticos de vazões e Energias-GEVAZP. Tese (Doutorado) — Universidade
Federal do Rio de Janeiro, 2016.
RICOU, F. P.; SPALDING, D. Measurements of entrainment by axisymmetrical turbu-
lent jets. Journal of fluid mechanics, Cambridge University Press, v. 11, n. 1, p. 21–32,
1961.
RODI, W. Turbulent buoyant jets and plumes: HMT: the science & applications of heat and
mass transfer. Reports, reviews & computer programs. [S.l.]: Elsevier, 2014. v. 6.
RODI, W. Turbulence modeling and simulation in hydraulics: a historical review. Jour-
nal of Hydraulic Engineering, American Society of Civil Engineers, v. 143, n. 5, p.
03117001, 2017.
RODI, W. et al. A review of experimental data of uniform density free turbulent boun-
dary layers. 1975.
ROUMBAS, G.; KASTRINAKIS, E.; NYCHAS, S. Scalar transport in the near field
between two coaxial square air jets. Experimental Thermal and Fluid Science, Elsevier,
v. 78, p. 229–241, 2016.
RUETSCH, G.; FATICA, M. Cuda fortran for scientists and engineers. NVIDIA Corpo-
ration, v. 2701, 2011.
RUFFIN, E.; SCHIESTEL, R.; ANSELMET, F.; AMIELH, M.; FULACHIER, L. Investiga-
tion of characteristic scales in variable density turbulent jets using a second-order
model. Physics of Fluids, AIP, v. 6, n. 8, p. 2785–2799, 1994.
SAGAUT, P. Large eddy simulation for incompressible flows: an introduction. [S.l.]: Springer
Science & Business Media, 2006.
144 R EFERÊNCIAS B IBLIOGRÁFICAS
SAGAUT, P. et al. Multiscale and multiresolution approaches in turbulence: LES, DES and
hybrid RANS/LES methods: applications and guidelines. [S.l.]: World Scientific, 2013.
SILVA, C. B. da; LOPES, D. C.; RAMAN, V. The effect of subgrid-scale models on the
entrainment of a passive scalar in a turbulent planar jet. Journal of Turbulence, Taylor
& Francis, v. 16, n. 4, p. 342–366, 2015.
STANLEY, S.; SARKAR, S. Influence of nozzle conditions and discrete forcing on tur-
bulent planar jets. AIAA journal, v. 38, n. 9, p. 1615–1623, 2000.
TABOR, G. R.; BABA-AHMADI, M. Inlet conditions for large eddy simulation: A re-
view. Computers & Fluids, Elsevier, v. 39, n. 4, p. 553–567, 2010.
TAO, B.; KATZ, J.; MENEVEAU, C. Geometry and scale relationships in high reynolds
number turbulence determined from three-dimensional holographic velocimetry.
Physics of Fluids, AIP, v. 12, n. 5, p. 941–944, 2000.
Uma vez que na linguagem fortran não é possível a utilização de índices fracio-
nários convencionou-se adicionar o valor de 12 a todos os índices deslocados, de modo
que passou-se a trabalhar sempre com índices inteiros, utilizando este artifício a Fig
147
148 A PÊNDICE A. D ISCRETIZAÇÃO DAS E QUAÇÕES DE C ONSERVAÇÃO
µe ∂ 2 u ∂ 2 u ∂ 2 u
∂ (ρu) ∂ (ρuu) ∂ (ρuv) ∂ (ρuw) ∂P
+ + + = − + + + +
∂t ∂x ∂y ∂z ∂x Re ∂x2 ∂y 2 ∂z 2
1 µe ∂ 2 u ∂ 2v ∂ 2w
+ + + (A.1)
3 Re ∂x2 ∂x∂y ∂x∂z
µe ∂ 2 v ∂ 2 v ∂ 2 v
∂ (ρv) ∂ (ρvu) ∂ (ρvv) ∂ (ρvw) ∂P
+ + + = − + + + +
∂t ∂x ∂y ∂z ∂y Re ∂x2 ∂y 2 ∂z 2
2
∂ 2v ∂ 2w
1 µe ∂ u
+ + + (A.2)
3 Re ∂y∂x ∂y 2 ∂y∂z
µe ∂ 2 w ∂ 2 w ∂ 2 w
∂ (ρw) ∂ (ρwu) ∂ (ρwv) ∂ (ρww) ∂P
+ + + = − + + + +
∂t ∂x ∂y ∂z ∂z Re ∂x2 ∂y 2 ∂z 2
2
∂ 2v ∂ 2w
1 µe ∂ u
+ + + (A.3)
3 Re ∂z∂x ∂z∂y ∂z 2
F IGURA A.3. Localização das grandezas na malha para discretização dos termos con-
vectivos (para facilitar a visualização somente é mortrado o plano xoy).
em que
µe ∂ 2 u ∂ 2u ∂ 2u
n
DIF F x (i+1,j,k) = |(i+1,j,k) + 2 |(i+1,j,k) + 2 |(i+1,j,k) +
Re ∂x2 ∂y ∂z
2 2
∂ 2w
1 µe ∂ u ∂ v
+ |(i+1,j,k) + |(i+1,j,k) + |(i+1,j,k) (A.6)
3 Re ∂x2 ∂x∂y ∂x∂z
Os termos do lado direito da Eq. A.5 podem ser escritos a partir da análise
da Fig. A.3, que ilustra somente o plano xoy para facilitar a visualização, podendo a
análise ser expandida para o plano xoz por analogia, de modo que
Os termos do lado direito da Eq. A.6 também são descritos a partir da análise
da célula genérica da Fig. A.2, resultando em
Discretização da Equação de
Conservação da Massa (Dilatação)
onde as massas específicas nas faces são obtidas por meio de médias aritméticas.
∂ (ρu) ρ e ue − ρ w uw
|i,j,k = (B.2)
∂x ∆x
ρi+1,j,k + ρi,j,k ρi−1,j,k + ρi,j,k
ρe = ρw =
2 2
ue = ui+1,j,k uw = ui,j,k
151
A PÊNDICE B. D ISCRETIZAÇÃO DA E QUAÇÃO DE C ONSERVAÇÃO DA M ASSA
152 (D ILATAÇÃO )
∂ (ρv) ρn vn − ρs vs
|i,j,k = (B.3)
∂y ∆y
ρi,j+1,k + ρi,j,k ρi,j−1,k + ρi,j,k
ρn = ρs =
2 2
vn = vi,j+1,k vs = vi,j,k
∂ (ρw) ρf wf − ρb wb
|i,j,k = (B.4)
∂z ∆z
ρi,j,k+1 + ρi,j,k ρi,j,k−1 + ρi,j,k
ρf = ρb =
2 2
wf = wi,j,k+1 wb = wi,j,k
Apêndice C
Técnicas de Paralelização
153
154 A PÊNDICE C. T ÉCNICAS DE PARALELIZAÇÃO
execução serial, em uma versão paralela guiando-se pelas diretivas inseridas pelo pro-
gramador (CHANDRA et al., 2001). Desta forma o compilador não faz uma análise
completa do código, mas somente nas regiões indicadas pelo programador.
Devemos notar que essa transferência de dados por meio de uma rede consome
tempo. Dependendo da granularidade do código, podem ocorrer situações em que o
tempo gasto para realizar todas as transferências de informações seja maior do que o
tempo de execução das instruções. Este tipo de caso ocorre quando tem-se granulari-
dade fina, situação em que o tempo gasto pelos processos para executar as instruções é
156 A PÊNDICE C. T ÉCNICAS DE PARALELIZAÇÃO
Verificação do Código
F IGURA D.1. Problema para verificação da solução do escoamento laminar entre pla-
cas planas paralelas.
159
160 A PÊNDICE D. V ERIFICAÇÃO DO C ÓDIGO
F IGURA D.2. Perfil de velocidades obtido pela solução do escoamento laminar entre
placas planas paralelas.
O código tridimensional foi utilizado para resolver este problema e então ser verifi-
cado. Para resolver o escoamento bidimensional utilizando o código tridimensional as
condições de contorno em uma das direções normais a direção preferencial do esco-
amento foram definidas como de fluxo nulo. O problema da Fig. D.1 é regido pelas
equações Eq. 2.14 e Eq. 2.19 com as condições de contorno u1 = 1 e u2 = u3 = 0 em
x = 0. Para as fronteiras y = 0 e y = 2h são definidas u1 = u2 = u3 = 0, enquanto
para as fronteiras normais a direção z, tem-se ∂u
∂z
i
= 0 e para a fronteira de saída uma
condição de contorno para escoamento plenamente desenvolvido, ∂u ∂x
i
= 0.
∂ξ ∂ 2ξ
= α 2 (D.2)
∂t ∂x
D.2. D IFUSÃO U NIDIMENSIONAL T RANSIENTE 161
163
!
"# $ %% & %
# # !
9 *+ ;+ .+ )(, 1 2 ) . / ) 2
9+ ) 9 *+ ;+ .+ )(, 1 2) . ,* 0+ . )( + ) + , ) ) 2
)+ ,, , + ,, , + .+ )
0 + ,62 ) , , *, A . + ) ) 2
AA . +
. ,* 0+ . ,) , + ,, , +
. + 0 + B ;+ *, +
0 +) * ) 0+ . +
! + * ) , ,
" + , +, 0( . ) ) ,
+ + 0( . . *, ,
1 +. , + ,, , + 0+ . + +
# C 0 + . ,, ,) $ ,) , 2
% 0 ( ' 2 + )+ ,) $ ) ,) , 2
& 9 , * + .+ ) $ *+ * ,) , 2
+ ,,*+ ' <* 0 C* ) )
+ . ., ) ) +. ( . , +
) < 2 ., * + ( + ,,*+ ) ++ )
, *, / . + ) ) 2 ( .+ ) ) 2 ) ++ )
, *, . + ) ) 2 * . , 2
+ ) 2 ,# )( + ) + , ) C 0 +
*+ * / , 2 ,% ' 2 + )+ ,)
, *, 2 . + ) ) 2 - . . +
/ / ) 2